.png){kind=icon}
返回
Using Natural Language Processing to Automatically Detect Self-Admitted Technical Debt
.png){kind=icon}
PRE
AI
DOI：10.1109/TSE.2017.2654244.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
引入技术债务的隐喻是为了表达生产率和质量之间的权衡，即开发人员何时走捷径或执行快速黑客攻击。最近，我们的工作表明，可以使用源代码注释 (即自我认可的技术债务) 来检测技术债务，并且最常见的自我认可的技术债务类型是设计和需求债务。但是，到目前为止，所有方法都严重依赖于源代码注释的手动分类。在本文中，我们提出了一种使用自然语言处理 (NLP) 自动识别设计和需求自我认可的技术债务的方法。我们研究了10个开源项目: Ant，ArgoUML，Columba，EMF，Hibernate，JEdit，JFreeChart，JMeter，JRuby和SQuirrel SQL，发现1) 我们能够准确地识别自我承认的技术债务，显著优于目前基于固定关键词和短语的最先进的; 2) 与草率的代码或平庸的源代码质量相关的词是设计债务的最佳指标，而与未来完成部分实施需求的需求相关的词语是需求债务的最佳指标; 3) 我们可以实现最佳分类性能的90%，对设计和需求自我认可的技术债务使用尽可能少的23% 注释，和最佳性能的80%，分别使用少至9和5% 的评论进行设计和要求自我承认的技术债务。最后的发现表明，即使使用相对较小的训练数据集，所提出的方法也可以实现良好的准确性。
Keyword:
Technical debt
source code comments
natural language processing
empirical study
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.6
论文数:
2.9K
被引数:
1.1W
机构
引用论文
New wine in an old bottle? A facet-level perspective on the added value of Grit over BFI–2 Conscientiousness.png)
PLOS ONE
OAAI
PLOS ONEIF0
OAAI分享收藏分享收藏Identification of extract method refactoring opportunities for the decomposition of methods识别方法分解的提取方法重构机会
PREAI
分享收藏
查看更多内容