基于深度學習的代碼審查意見有效性評估
段雨佳; 鞠婷 杭州電子科技大學計算機學院; 浙江杭州310000
關鍵詞：軟件工程 代碼審查 深度學習 長短期記憶模型 詞向量
摘要：針對代碼審查過程中的代碼審查意見對于開發者可能無價值的問題,文中提出了一種基于深度學習長短期記憶網絡的代碼審查意見有效性評估方法。該方法通過提取代碼審查意見中與審查意見有效性相關的特征,并根據這些特征構建評估模型,從而評估審查意見對于開發人員是否有價值。為了驗證方法的有效性,文中選取了GitHub上開源Eclipse項目中的審查信息作為實驗數據,并將所提方法與其它機器學習方法對比。實驗結果表明,該方法可以有效評估審查意見的價值。
電子科技雜志要求:
{1}參考文獻列在文末，以中括號編碼，按照文中引文出現的先后順序排列，不單獨分中外文。同一文獻只出現一次。禁止將一部參考文獻標注多個序列號。
{2}為保證本刊的原創性，杜絕任何形式的抄襲稿。稿件文責由作者自負，編輯部有權作必要的修改。文稿在3個月內未收到退修或錄用通知，作者可自行處理，另投他刊。未被錄用的稿件一般不退稿，請自留底稿。
{3}稿件需附作者單位推薦信，注明單位對稿件的審評意見以及無一稿兩投、不涉及保密、署名無爭議等項。
{4}提供每位作者的詳細工作單位（含科室）、所在省市名、郵編。
{5}來稿請附300字左右的中英文摘要和3-5個關鍵詞。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
