論文の概要: Code Reviewer Recommendation Based on a Hypergraph with Multiplex
Relationships
- arxiv url: http://arxiv.org/abs/2401.10755v1
- Date: Fri, 19 Jan 2024 15:25:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 15:19:00.591468
- Title: Code Reviewer Recommendation Based on a Hypergraph with Multiplex
Relationships
- Title(参考訳): 多重関係を持つハイパーグラフに基づくコードレビュア勧告
- Authors: Yu Qiao, Jian Wang, Can Cheng, Wei Tang, Peng Liang, Yuqi Zhao, Bing
Li
- Abstract要約: 多重関係を持つハイパーグラフを利用する新しいコードレビュアレコメンデーション手法であるMIRRecを提案する。
MIRRecは、プルリクエストと開発者の間で、学位なしのハイパーエッジを使用して、従来のペアワイズ接続を超える高次相関をエンコードする。
MIRRecの有効性を検証するために、GitHubにホストされている10の人気のあるオープンソースプロジェクトからの48,374のプルリクエストからなるデータセットを用いて実験を行った。
- 参考スコア(独自算出の注目度): 30.74556500021384
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Code review is an essential component of software development, playing a
vital role in ensuring a comprehensive check of code changes. However, the
continuous influx of pull requests and the limited pool of available reviewer
candidates pose a significant challenge to the review process, making the task
of assigning suitable reviewers to each review request increasingly difficult.
To tackle this issue, we present MIRRec, a novel code reviewer recommendation
method that leverages a hypergraph with multiplex relationships. MIRRec encodes
high-order correlations that go beyond traditional pairwise connections using
degree-free hyperedges among pull requests and developers. This way, it can
capture high-order implicit connectivity and identify potential reviewers. To
validate the effectiveness of MIRRec, we conducted experiments using a dataset
comprising 48,374 pull requests from ten popular open-source software projects
hosted on GitHub. The experiment results demonstrate that MIRRec, especially
without PR-Review Commenters relationship, outperforms existing stateof-the-art
code reviewer recommendation methods in terms of ACC and MRR, highlighting its
significance in improving the code review process.
- Abstract(参考訳): コードレビューはソフトウェア開発の重要なコンポーネントであり、コード変更の包括的なチェックを保証する上で重要な役割を果たす。
しかし、プルリクエストの継続的な流入と利用可能なレビュア候補の限られたプールは、レビュープロセスに重大な課題をもたらし、各レビューリクエストに適切なレビュアを割り当てる作業はますます困難になる。
この問題に対処するために、多重関係を持つハイパーグラフを利用する新しいコードレビュアレコメンデーション手法であるMIRRecを提案する。
MIRRecは、プルリクエストと開発者間の学位なしハイパーエッジを使用して、従来のペアワイズ接続を超える高次相関をエンコードする。
これにより、高次の暗黙の接続をキャプチャし、潜在的なレビュアーを特定することができる。
MIRRecの有効性を検証するために、GitHubにホストされている10の人気のあるオープンソースプロジェクトからの48,374のプルリクエストからなるデータセットを用いて実験を行った。
実験の結果,特にPR-レビューコメンテータの関係がないMIRRecは,ACCとMRRの観点から既存のコードレビュア推奨手法よりも優れており,コードレビュープロセスの改善におけるその意義を強調している。
関連論文リスト
- Team-related Features in Code Review Prediction Models [10.576931077314887]
コードオーナシップ、ワークロード、チーム関係に関連する機能の予測能力を評価します。
結果から,コードオーナシップに関連する機能が最も優れた予測能力を持つことが示唆された。
提案されたすべての機能とコード行を合わせることで、レビュアーの参加とフィードバックの量の両方に最適な予測ができると結論付けます。
論文 参考訳(メタデータ) (2023-12-11T09:30:09Z) - On Generative Agents in Recommendation [65.52796348055281]
Agent4RecはLarge Language Models (LLM)に基づく映画レコメンデーションシミュレータである。
ユーザプロファイル、メモリ、アクションモジュールを備えたLLMを内蔵した生成エージェントは、レコメンダシステムに特化している。
Agent4Recの評価では、エージェント間のアライメントと逸脱とユーザ個人化された好みの両方を強調している。
論文 参考訳(メタデータ) (2023-10-16T06:41:16Z) - MISSRec: Pre-training and Transferring Multi-modal Interest-aware
Sequence Representation for Recommendation [61.45986275328629]
逐次レコメンデーションのためのマルチモーダル事前学習・転送学習フレームワークであるMISSRecを提案する。
ユーザ側ではトランスフォーマーベースのエンコーダデコーダモデルを設計し、コンテキストエンコーダがシーケンスレベルのマルチモーダルユーザ興味を捉えることを学習する。
候補項目側では,ユーザ適応項目表現を生成するために動的融合モジュールを採用する。
論文 参考訳(メタデータ) (2023-08-22T04:06:56Z) - What Makes a Code Review Useful to OpenDev Developers? An Empirical
Investigation [4.061135251278187]
コードレビューの有効性が少し改善されても、ソフトウェア開発組織にとってかなりの節約が得られます。
本研究の目的は,コードレビューコメントをOSS開発者に有用なものにする方法を,より精細に理解することである。
論文 参考訳(メタデータ) (2023-02-22T22:48:27Z) - Improving Sequential Query Recommendation with Immediate User Feedback [9.294562590924242]
本稿では,対話型データ探索設定における次のクエリレコメンデーションのためのアルゴリズムを提案する。
最先端のクエリレコメンデーションアルゴリズムは、シーケンスからシーケンスへの学習アプローチに基づいている。
人気のあるオンライン文献発見サービスからログファイルを用いて大規模な実験を行った。
論文 参考訳(メタデータ) (2022-05-12T18:19:24Z) - Does Recommend-Revise Produce Reliable Annotations? An Analysis on
Missing Instances in DocRED [60.39125850987604]
テキスト修正方式は, 偽陰性サンプルと, 人気エンティティや関係性に対する明らかな偏見をもたらすことを示す。
より信頼性の高いドキュメントREモデルのテストセットとして機能するように、relabeledデータセットがリリースされている。
論文 参考訳(メタデータ) (2022-04-17T11:29:01Z) - Using Large-scale Heterogeneous Graph Representation Learning for Code
Review Recommendations [7.260832843615661]
我々は、レビュアーレコメンデーションのための新しいアプローチであるCoRALを提示する。
私たちは、リッチなエンティティセットから構築された社会技術的グラフを使用します。
我々は,コラルがレビュアー選択のマニュアル履歴を極めてうまくモデル化できることを示した。
論文 参考訳(メタデータ) (2022-02-04T20:58:54Z) - Convex Aggregation for Opinion Summarization [18.753472191533515]
エンコーダデコーダモデルは、単一レビューを再構築するために訓練され、潜在レビューエンコーディング空間を学習する。
要約時には、潜在レビューベクトルの未重み付き平均を要約に復号する。
本稿では,意見要約のためのconvexベクトル集約フレームワークであるcoopを提案する。
論文 参考訳(メタデータ) (2021-04-03T10:52:14Z) - Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。
我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。
私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文 参考訳(メタデータ) (2020-05-19T10:18:43Z) - A Transformer-based Approach for Source Code Summarization [86.08359401867577]
コードトークン間のペア関係をモデル化することにより,要約のためのコード表現を学習する。
アプローチは単純であるにもかかわらず、最先端技術よりもかなりの差があることが示される。
論文 参考訳(メタデータ) (2020-05-01T23:29:36Z) - Automating App Review Response Generation [67.58267006314415]
本稿では,レビューと回答の知識関係を学習することで,レビュー応答を自動的に生成する新しいアプローチRRGenを提案する。
58のアプリと309,246のレビュー-レスポンスペアの実験では、RRGenはBLEU-4の点で少なくとも67.4%のベースラインを上回っている。
論文 参考訳(メタデータ) (2020-02-10T05:23:38Z)
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。