科研之友
微信
新浪微博
Facebook
分享链接
摘要
软件自承认技术债(Self-admitted Technical Debt, SATD)由程序开发人员写入项目的源代码注释中，是开发人员为追求短期效益而刻意留下软件缺陷的说明，大量的SATD将不利于软件维护。近年来，越来越多的学者致力于软件SATD识别的研究，并提出了不同的识别方法，如基于自然语言处理或文本挖掘等检测方法。然而，大多数研究结果依赖于现有的词库或手工提取的特征，不仅耗费了大量的时间，而且增加了计算复杂度，识别结果并不理想。基于此，提出了一种基于双向门控循环单元(Gate Recurrent Unit, GRU)和注意力机制的软件自承认技术债识别方法，通过Word2vec中的Skip-gram模型获取词向量，构建双向GRU网络获取高级特征，并利用注意力机制自动发现对SATD分类起到关键作用的词，从而捕获最重要的语义信息。实验结果表明，本文方法在精确率、召回率和F1-score上均有较优表现，能够有效地识别软件SATD,避免了传统任务中复杂的特征工程。
- 单位
