|
عنوان
|
تشخیص گزارش های باگ نرم افزاری تکراری
|
|
نوع پژوهش
|
مقاله ارائه شده
|
|
کلیدواژه‌ها
|
گزارش باگ تکراری، یادگیری ماشین، پردازش زبان طبیعی، بازیابی اطلاعات، یادگیری عمیق
|
|
چکیده
|
نقص ها بخشی جدایی ناپذیر از هر پروژه نرم افزاری هستند که می توانند در هر مرحله از توسعه ی نرم افزار و یا مرحله ی نگهداری به وجود بیایند. در پروژه های متن باز، از مخازن باگ، برای نگهداری گزارش های باگ استفاده می شود. هنگامی که یک گزارش باگ جدید دریافت می شود، شخصی به نام تریاژکننده، گزارش باگ را تحلیل کرده و آن را به توسعه دهنده ی مسئول، اختصاص می دهد. اما مسئله ای که وجود دارد این است که قبل از تخصیص، باید بررسی شود که آیا این گزارش باگ، تکراری است یا خیر. گزارش باگ تکراری یکی از مشکلات بزرگ در نگهداری مخازن باگ بوده و سیستم های ردیابی باگ، معمولاً برای نگهداری گزارش های باگ استفاده می شوند. به دلیل ماهیت ناهماهنگ ارسال گزارش های باگ به سیستم ردیابی، ممکن است یک گزارش باگ به دفعات، توسط بسیاری از کاربران گزارش شود. گزارش های باگ تکراری منجر به هدر رفتن منابع و همچنین صرف هزینه ی بیشتر می شود. ضمن این که برای تریاژکننده ها نیز مشکلاتی ایجاد می کند و نیاز به تحلیل و اعتبارسنجی بسیاری دارد. تحقیقات بسیاری در زمینه ی تشخیص گزارش باگ های تکراری انجام شده است. در این مطالعه، با دسته بندی مطالعات به چهار دسته، برخی تحقیقاتی را که در این زمینه انجام شده است، ارائه می کنیم. در این مطالعه، نقاط قوت، محدودیت ها، مجموعه ی داده ها و رویکردهای اصلی مورد استفاده در مقالات رایج این حوزه را بررسی می کنیم.
|
|
پژوهشگران
|
الناز جعفرنژاد (نفر اول)، علیرضا روحی (نفر دوم)، عسگر علی بویر (نفر سوم)
|