基于混合神经网络和注意力机制的软件缺陷自动分派方法
【摘要】：软件缺陷修复是软件质量保证的一个重要环节.在互联网上开源、开放的群智化软件开发环境中,提升缺陷分派的效率和效果,有助于提高缺陷修复率并降低维护成本.目前,基于机器学习的缺陷自动分派方法已成为主流技术,但也存在特征人工构建、文本表示能力不足等问题.近年来,鉴于深度学习在自然语言处理领域的成功应用,研究者尝试将深度学习技术引入缺陷分派任务中,使得缺陷修复者的预测效果有了显著提高.然而,不同类型的神经网络亦存在各自的局限性.针对上述问题,将缺陷自动分派任务视为文本分类问题,结合卷积神经网络、循环神经网络和注意力机制各自的优势,提出了一种基于混合神经网络和注意力机制的缺陷自动分派方法Atten-CRNN,能更有效地捕获缺陷报告的重要文本特征和序列特征,从而提供更精准的缺陷修复者推荐服务.在Eclipse和Mozilla两个大型的知名软件开源项目中进行了实证研究,在20万量级的缺陷报告上的实验结果表明:无论是否考虑注意力机制,Atten-CRNN的预测准确率要高于基于卷积神经网络和基于循环神经网络的基准模型.
|
|
|
|
| 1 |
庄传志;靳小龙;李忠;孙智;;基于注意力机制的混合神经网络关系分类方法[J];计算机工程与科学;2020年01期 |
| 2 |
林晶;;一种基于混合神经网络的抽取式文本摘要方法[J];怀化学院学报;2017年05期 |
| 3 |
刘燕,张学庆,杨绍国;一种混合神经网络在图像压缩中的应用[J];光学与光电技术;2003年04期 |
| 4 |
尉斌;孟巍;;基于混合神经网络的车辆路径模型研究[J];计算机工程与设计;2011年11期 |
| 5 |
曹湘;李誉坤;钱叶;闫晨阳;杨忠光;;基于混合神经网络的电力短文本分类方法研究[J];计算机与数字工程;2019年05期 |
| 6 |
张长青;杨楠;;基于混合神经网络的车牌字符识别技术[J];电子科技;2019年09期 |
| 7 |
柴伟佳;王连明;;一种基于混合神经网络的车牌字符识别方法[J];东北师大学报(自然科学版);2018年01期 |
| 8 |
孙俊;李正明;;基于串并行混合神经网络的汽车胎号识别方法[J];计算机工程与应用;2006年23期 |
| 9 |
苑玮琦,张田文;一种新的堆积颗粒图像边缘检测方法[J];哈尔滨工业大学学报;2001年04期 |
| 10 |
王玉涛,苑玮琦,周建常,王师;混合神经网络在颗粒图像边缘检测中应用[J];东北大学学报;1999年02期 |
| 11 |
刘国亮;;基于混合神经网络与UG/KF方法的浇口位置优化设计[J];塑料;2010年02期 |
| 12 |
孙杰,翟宏琛,张延昕,张铁群,刘钥,唐怡亮;单微处理器控制的集成化光电混合神经网络模式识别系统[J];南开大学学报(自然科学版);2000年01期 |
| 13 |
雷景生,伍庆清,王平;一种基于混合神经网络的Web文档聚类算法[J];计算机工程;2005年01期 |
|
手机打开
快捷付款方式
订购知网充值卡
订购热线
帮助中心