| 基于多头自注意力机制的深度缺陷分派模型 |
| |
| 引用本文： | 万发洋,于旭,徐其江.基于多头自注意力机制的深度缺陷分派模型[J].计算机与现代化,2021,0(11):39-43. |
| |
| 作者姓名： | 万发洋 于旭 徐其江 |
| |
| 作者单位： | 青岛科技大学信息科学技术学院,山东 青岛 266061;山东信息职业技术学院,山东 潍坊 261061 |
| |
| 基金项目： | 国家自然科学基金资助项目（61402246, 61273180, 61375067， 61773384）； 山东省自然科学基金资助项目（ZR2019MF014）； 山东省重点研发计划项目(2018GGX101052) |
| |
| 摘 要： | 当前，缺陷跟踪系统通过缺陷报告实现缺陷与修复者的匹配。然而，以往的缺陷分派模型过于依赖缺陷报告的文本质量，引入自然语言中大量的冗余信息，并忽略了缺陷报告的元字段作为标签属性时存在于修复者之间的社区关系，使得模型结果表现较差。针对以上问题，本文提出一种基于多头自注意力机制的深度缺陷分派模型MSDBT(Multi-head Self-attention Deep Bug Triage)。对缺陷报告的文本内容以及根据元字段生成的修复者序列进行向量化；通过多头自注意力机制在内部的输入元素之间进行并行注意力计算。在4个开源软件项目上的实验结果表明，MSDBT在召回率指标上较之前模型具有明显的优势。
|
| 关 键 词： | 缺陷跟踪系统 缺陷分派 深度学习 修复者社区 多头自注意力机制 |
| 收稿时间： | 2021-12-13 |
Deep Bug Triage Model Based on Multi-head Self-attention Mechanism |
| |
| WAN Fa-yang,YU Xu,XU Qi-jiang.Deep Bug Triage Model Based on Multi-head Self-attention Mechanism[J].Computer and Modernization,2021,0(11):39-43. |
| |
| Authors: | WAN Fa-yang YU Xu XU Qi-jiang |
| |
| Abstract: | |
| |
| Keywords: | bug tracking system bug triage deep learning fixer community multi-head self-attention mechanism |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机与现代化》浏览原始摘要信息 |
|
点击此处可从《计算机与现代化》下载全文 |
