BugRepo (Bug Reports)

在错误跟踪系统中，不同的测试人员或用户可能会针对相同的错误提交多个报告，称为重复报告，这可能会在分类和修复错误时花费额外的维护工作。为了准确识别此类重复，在本文中，我们提出了一种检索函数（REP）来测量两个错误报告之间的相似性。它充分利用了错误报告中可用的信息，不仅包括摘要和描述字段中文本内容的相似性，还包括产品、组件、版本等非文本字段的相似性。为了更准确地测量文本相似性，我们扩展了 BM25F - 信息检索社区中一个有效的相似性公式，专门用于重复报告检索。最后，我们使用两轮随机梯度下降以监督学习的方式自动优化特定错误存储库的 REP。我们已经在来自 Mozilla、Eclipse 和 OpenOffice 的三个大型软件错误存储库中验证了我们的技术。实验表明，与我们之前的模型相比，召回率@k 相对提高了 10-27%，平均精度相对提高了 17-23%。我们还将我们的技术应用于一个非常大的数据集，该数据集由来自 Eclipse 的 209,058 份报告组成，导致召回率@k 为 37-71%，平均精度为 47%。