論文の概要: Using Screenshot Attachments in Issue Reports for Triaging

• arxiv url: http://arxiv.org/abs/2306.03634v1
• Date: Tue, 6 Jun 2023 12:43:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 04:25:42.105185
• Title: Using Screenshot Attachments in Issue Reports for Triaging
• Title（参考訳）: トリアージにおけるスクリーンショットアタッチメントの利用
• Authors: Ethem Utku Aktas and Cemal Yilmaz
• Abstract要約: これまでの作業では,1行の要約にあるテキストとイシューレポートの記述フィールドを使って,利害関係者に自動的に割り当てる「イシューTAG」をデプロイしました。 2018年1月12日にトルコ最大のプライベートバンクのソフトウェア子会社であるSofttechに配備されて以来、IssageTAGは合計301,752件を割り当てている。 本研究では、追加情報源としてスクリーンショットアタッチメントを使用し、割当て精度をさらに向上する。
• 参考スコア（独自算出の注目度）: 2.646989940565247
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In previous work, we deployed IssueTAG, which uses the texts present in the one-line summary and the description fields of the issue reports to automatically assign them to the stakeholders, who are responsible for resolving the reported issues. Since its deployment on January 12, 2018 at Softtech, i.e., the software subsidiary of the largest private bank in Turkey, IssueTAG has made a total of 301,752 assignments (as of November 2021). One observation we make is that a large fraction of the issue reports submitted to Softtech has screenshot attachments and, in the presence of such attachments, the reports often convey less information in their one-line summary and the description fields, which tends to reduce the assignment accuracy. In this work, we use the screenshot attachments as an additional source of information to further improve the assignment accuracy, which (to the best of our knowledge) has not been studied before in this context. In particular, we develop a number of multi-source (using both the issue reports and the screenshot attachments) and single-source assignment models (using either the issue reports or the screenshot attachments) and empirically evaluate them on real issue reports. In the experiments, compared to the currently deployed single-source model in the field, the best multi-source model developed in this work, significantly (both in the practical and statistical sense) improved the assignment accuracy for the issue reports with screenshot attachments from 0.843 to 0.858 at acceptable overhead costs, a result strongly supporting our basic hypothesis.
• Abstract（参考訳）: 前回の研究では,1行の要約にあるテキストとイシューレポートの記述フィールドを用いて,報告した問題の解決に責任を持つステークホルダーに自動的に割り当てる「イシューTAG」をデプロイした。 2018年1月12日にトルコ最大のプライベートバンクのソフトウェア子会社であるSofttechに配備されて以来、イシューTAGは合計で301,752件を割り当てた(2021年11月現在)。 ひとつは、softtechに提出された発行報告の大部分がスクリーンショットの添付ファイルを持っており、そのような添付ファイルがある場合、レポートは1行の要約と記述フィールドで情報を伝えることが少なくなり、割り当ての正確さが低下する傾向があることです。 本研究では,この文脈ではこれまで研究されていない課題の精度を向上するために,追加の情報源としてスクリーンショットアタッチメントを用いる。 特に、複数のマルチソース(イシューレポートとスクリーンショットアタッチメントの両方を使用)と単一ソースアサインモデル(イシューレポートまたはスクリーンショットアタッチメントを使用)を開発し、実際のイシューレポートでそれらを実証的に評価する。 実験では,現在現場に展開されている単一ソースモデルと比較して,本研究で開発された最善のマルチソースモデルにおいて,スクリーンショットアタッチメントを許容可能なオーバーヘッドコストで0.843から0.858にすることで,問題レポートの割り当て精度を大幅に改善し,その結果,我々の基本的な仮説を強く支持した。

関連論文リスト

• Multi-View Adaptive Contrastive Learning for Information Retrieval Based Fault Localization [5.1987901165589]
  MACL-IRFL(Multi-View Adaptive Contrastive Learning for Information Retrieval Fault Localization)という新しい手法を提案する。 まず、レポート・コード・インタラクション・ビュー、レポート・レポートの類似性ビュー、コード・コードの共引用ビューを別々に生成し、グラフニューラルネットワークを用いて、埋め込みプロセスの3つのビューからバグレポートやソースコードファイルの情報を集約する。 コントラスト学習タスクの設計では,バグレポートの表現は,レポートレポートやレポートコードビューで共有される情報をエンコードし,ソースコードファイルの表現はコードコードとレポートコードビューで共有する。
  論文  参考訳（メタデータ） (2024-09-19T07:20:10Z)
• TACT: Advancing Complex Aggregative Reasoning with Information Extraction Tools [51.576974932743596]
  大規模言語モデル(LLM)は、テキスト間の情報の集約を必要とするクエリではよく機能しないことが多い。 TACTには、1つ以上のテキストに散らばる縫合情報を要求する難しい命令が含まれている。 既存のテキストと関連するテーブルのデータセットを活用することで、このデータセットを構築します。 現代のLLMはいずれも,このデータセットでは性能が悪く,精度が38%以下であることが実証された。
  論文  参考訳（メタデータ） (2024-06-05T20:32:56Z)
• Issue Report Validation in an Industrial Context [1.993607565985189]
  我々は、トルコ語で書かれた銀行部門で、ランダムに選択された1200の発行報告に取り組んでいる。 手動でこれらのレポートに妥当性をラベル付けし、それらが無効であることを示す関連パターンを抽出する。 提案する特徴抽出器を用いて,機械学習による課題報告の妥当性の予測を行い,0.77F1スコアを実行する。
  論文  参考訳（メタデータ） (2023-11-29T14:24:13Z)
• Embrace Divergence for Richer Insights: A Multi-document Summarization Benchmark and a Case Study on Summarizing Diverse Information from News Articles [136.84278943588652]
  同一イベントを含む複数のニュース記事において遭遇する多様な情報を要約する新しい課題を提案する。 この作業を容易にするために、多様な情報を特定するためのデータ収集スキーマの概要と、DiverseSummというデータセットをキュレートした。 データセットには245のニュース記事が含まれており、各ストーリーは10のニュース記事からなり、人間公認の参照と組み合わせられる。
  論文  参考訳（メタデータ） (2023-09-17T20:28:17Z)
• MaintainoMATE: A GitHub App for Intelligent Automation of Maintenance Activities [3.2228025627337864]
  ソフトウェア開発プロジェクトは、バグ報告や強化要求といったメンテナンスタスクの追跡の中心にある問題追跡システムに依存している。 問題レポートの処理は極めて重要であり、問題レポートに入力されたテキストを徹底的にスキャンする必要があるため、労働集約的な作業となる。 各カテゴリのイシューレポートを自動的に分類し,関連する専門知識を持つ開発者にイシューレポートを割り当てることのできる,MaintainoMATEという統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-31T05:15:42Z)
• A Comparative Study of Text Embedding Models for Semantic Text Similarity in Bug Reports [0.0]
  既存のデータベースから同様のバグレポートを取得することは、バグを解決するのに必要な時間と労力を削減するのに役立つ。 我々はTF-IDF(Baseline)、FastText、Gensim、BERT、ADAなどの埋め込みモデルについて検討した。 本研究は, 類似のバグレポートを検索するための埋め込み手法の有効性について考察し, 適切なバグレポートを選択することの影響を明らかにする。
  論文  参考訳（メタデータ） (2023-08-17T21:36:56Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• Improving Factual Consistency in Summarization with Compression-Based Post-Editing [146.24839415743358]
  この問題に対処するためのモデルに依存しない方法は、生成された要約を後編集することであることを示す。 本稿では,文圧縮データを用いて後編集モデルを訓練し,特別なトークンでマークされた外在的エンティティエラーを要約する手法を提案する。 我々は,このモデルがROUGEを維持しながら事実整合性を向上し,XSum上でのエンティティ精度を最大30%向上し,他のポストエディタ上でも適用可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-11T13:35:38Z)
• Automatic Issue Classifier: A Transfer Learning Framework for Classifying Issue Reports [0.0]
  私たちはRoBERTaと呼ばれる既製のニューラルネットワークを使って、問題を分類しています。 本稿では,問題レポートを複数ラベル設定で分類するアプローチを提案する。我々はRoBERTaと呼ばれる市販のニューラルネットワークを用いて,問題レポートの分類を行う。
  論文  参考訳（メタデータ） (2022-02-12T21:43:08Z)
• S3M: Siamese Stack (Trace) Similarity Measure [55.58269472099399]
  本稿では、深層学習に基づくスタックトレースの類似性を計算する最初のアプローチであるS3Mを紹介します。 BiLSTMエンコーダと、類似性を計算するための完全接続型分類器をベースとしている。 私たちの実験は、オープンソースデータとプライベートなJetBrainsデータセットの両方において、最先端のアプローチの優位性を示しています。
  論文  参考訳（メタデータ） (2021-03-18T21:10:41Z)
• Showing Your Work Doesn't Always Work [73.63200097493576]
  『Show Your Work: Improved Reporting of Experimental Results』では、最高の学習モデルの有効性を報告している。 解析的にそれらの推定器は偏りがあり、エラーを起こしやすい仮定を用いていることを示す。 我々は、偏見のない代替案を導き、統計的シミュレーションから経験的な証拠で主張を裏付ける。
  論文  参考訳（メタデータ） (2020-04-28T17:59:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。