論文の概要: BushraDBR: An Automatic Approach to Retrieving Duplicate Bug Reports
- arxiv url: http://arxiv.org/abs/2407.04707v1
- Date: Sat, 4 May 2024 11:22:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 21:58:59.160907
- Title: BushraDBR: An Automatic Approach to Retrieving Duplicate Bug Reports
- Title（参考訳）: BushraDBR: 重複バグレポートの自動検索
- Authors: Ra'Fat Al-Msie'deen,
- Abstract要約: 本稿では、DBRを検索し、開始前に複製を停止するための自動アプローチ(BushraDBR)を提案する。
BushraDBRは、新たに提出されたBRとBug Repository(BRE)の他のBRとの間のテキスト類似性(TS)を利用してDBRを検索する。
実験は、BushraDBRアプローチがDBRを効率的に回収する能力を示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A Bug Tracking System (BTS), such as Bugzilla, is generally utilized to track submitted Bug Reports (BRs) for a particular software system. Duplicate Bug Report (DBR) retrieval is the process of obtaining a DBR in the BTS. This process is important to avoid needless work from engineers on DBRs. To prevent wasting engineer resources, such as effort and time, on previously submitted (or duplicate) BRs, it is essential to find and retrieve DBRs as soon as they are submitted by software users. Thus, this paper proposes an automatic approach (called BushraDBR) that aims to assist an engineer (called a triager) to retrieve DBRs and stop the duplicates before they start. Where BushraDBR stands for Bushra Duplicate Bug Reports retrieval process. Therefore, when a new BR is sent to the Bug Repository (BRE), an engineer checks whether it is a duplicate of an existing BR in BRE or not via BushraDBR approach. If it is, the engineer marks it as DBR, and the BR is excluded from consideration for any additional work; otherwise, the BR is added to the BRE. BushraDBR approach relies on Textual Similarity (TS) between the newly submitted BR and the rest of the BRs in BRE to retrieve DBRs. BushraDBR exploits unstructured data from BRs to apply Information Retrieval (IR) methods in an efficient way. BushraDBR approach uses two techniques to retrieve DBRs: Latent Semantic Indexing (LSI) and Formal Concept Analysis (FCA). The originality of BushraDBR is to stop DBRs before they occur by comparing the newly reported BR with the rest of the BRs in the BTS, thus saving time and effort during the Software Maintenance (SM) process. BushraDBR also uniquely retrieves DBR through the use of LSI and FCA techniques. BushraDBR approach had been validated and evaluated on several publicly available data sets from Bugzilla. Experiments show the ability of BushraDBR approach to retrieve DBRs in an efficient manner.
- Abstract（参考訳）: Bugzilla のような Bug Tracking System (BTS) は、一般に特定のソフトウェアシステムのために提出された Bug Reports (BR) を追跡するために使用される。
重複バグレポート(DBR)検索は、BTSでDBRを取得するプロセスである。
このプロセスは、DBRのエンジニアによる不要な作業を避けるために重要である。
以前に提出された(あるいは重複した)BR上で、労力や時間などのエンジニアリングリソースの浪費を防止するためには、ソフトウェアユーザによって提出されたDBRを見つけて検索することが不可欠である。
そこで本稿では,DBRの検索と複製の開始前停止を支援する自動アプローチ(BushraDBR)を提案する。
BushraDBRはBushra Duplicate Bug Reports検索プロセスの略である。
従って、新しいBRがBug Repository(BRE)に送信されると、BRE内の既存のBRの複製であるかどうかをBushraDBRアプローチ経由でチェックする。
もしそうであれば、エンジニアはそれをDBRとマークし、BRは追加作業の考慮から除外され、そうでなければBRはBREに追加される。
BushraDBRアプローチは、新たに提出されたBRとBREの他のBRの間のテキスト類似性(TS)を利用してDBRを検索する。
BushraDBRは、BRからの非構造化データを利用して、情報検索(IR)メソッドを効率的に適用する。
BushraDBRアプローチはDBRの検索に2つの手法を使う: 潜時セマンティックインデックス (LSI) と形式概念解析 (FCA) である。
BushraDBRの独創性は、新たに報告されたBRとBTSの他のBRを比較して、ソフトウェア保守(SM)プロセスにおける時間と労力を節約することで、DBRを発生前に停止することである。
BushraDBRはLSIおよびFCA技術を用いてDBRを独自に回収する。
BushraDBRアプローチは、Bugzillaから公開されているいくつかのデータセットで検証され、評価されている。
実験により、BushraDBRアプローチがDBRを効率的に回収できることが示されている。
関連論文リスト
- CBR-RAG: Case-Based Reasoning for Retrieval Augmented Generation in LLMs for Legal Question Answering [1.0760413363405308]
Retrieval-Augmented Generation (RAG) は、入力のコンテキストとして事前知識を提供することで、Large Language Model (LLM) の出力を向上させる。
ケースベース推論(CBR)は、LLMにおけるRAGプロセスの一部として、構造検索を行う重要な機会を提供する。
我々は,CBRサイクルの初期検索段階,インデックス語彙,類似性知識コンテナを,文脈に関連のあるケースでLLMクエリを強化するために使用するCBR-RAGを紹介する。
論文 参考訳（メタデータ） (2024-04-04T21:47:43Z) - Linear-time Minimum Bayes Risk Decoding with Reference Aggregation [52.1701152610258]
最小ベイズリスク(MBR、Minimum Bayes Risk)は、機械翻訳の品質向上を図ったテキスト生成技術である。
これは2次複雑性を持つ実用計量のペアワイズ計算を必要とする。
本稿では,集約された参照表現に対して計算したスコアを用いて,ペアワイズメトリックスコアを近似する。
論文 参考訳（メタデータ） (2024-02-06T18:59:30Z) - Hyperparameter-Free Approach for Faster Minimum Bayes Risk Decoding [5.639904484784127]
最小ベイズリスクデコーディング(MBR)は、幅広いテキスト生成タスクに対するビームサーチデコーディングの強力な代替手段である。
MBRは、目的を計算するのに膨大な時間を必要とする。
CBP(Confidence-based pruning)は、最近機械翻訳タスクにおける推論時間を削減するために提案されている。
論文 参考訳（メタデータ） (2024-01-05T11:02:08Z) - It's MBR All the Way Down: Modern Generation Techniques Through the Lens
of Minimum Bayes Risk [57.641436861482696]
最小ベイズリスク(MBR)復号法(英: Minimum Bayes Risk, MBR)は、最も高い確率で出力するだけでなく、複数の候補の間で最も低いリスク(予測誤差)を持つ出力に基づいて、機械学習システムの出力を選択する方法である。
論文 参考訳（メタデータ） (2023-10-02T17:47:10Z) - RAP-Gen: Retrieval-Augmented Patch Generation with CodeT5 for Automatic
Program Repair [75.40584530380589]
新たな検索型パッチ生成フレームワーク(RAP-Gen)を提案する。
RAP-Gen 以前のバグ修正ペアのリストから取得した関連する修正パターンを明示的に活用する。
RAP-GenをJavaScriptのTFixベンチマークとJavaのCode RefinementとDefects4Jベンチマークの2つのプログラミング言語で評価する。
論文 参考訳（メタデータ） (2023-09-12T08:52:56Z) - Masked and Swapped Sequence Modeling for Next Novel Basket
Recommendation in Grocery Shopping [59.52585406731807]
次のバスケットレコメンデーション(NBR)は、すでに購入したバスケットのシーケンスに基づいて、次のアイテムセットを予測するタスクである。
我々は、次の新しいバスケットレコメンデーション(NNBR)タスク、すなわち、新しいアイテムのみで構成されるバスケットを推奨するタスクを定式化する。
論文 参考訳（メタデータ） (2023-08-02T17:52:37Z) - Machine Reading Comprehension using Case-based Reasoning [92.51061570746077]
本稿では,機械読解における解答抽出の正確かつ解釈可能な手法を提案する。
本手法は,類似した質問に対する文脈的回答が相互に意味的類似性を共有するという仮説に基づいている。
論文 参考訳（メタデータ） (2023-05-24T07:09:56Z) - Understanding the Properties of Minimum Bayes Risk Decoding in Neural
Machine Translation [26.33252528975464]
ニューラルマシン翻訳(nmt)は現在、短すぎる翻訳や頻繁な単語の過剰生成といったバイアスを示している。
最近の研究はこれらの欠点をビームサーチに結びつけている。
Eikema & Aziz (2020) は、代わりに最小ベイズリスク(MBR)デコードを使用することを提案した。
論文 参考訳（メタデータ） (2021-05-18T13:31:05Z) - Twin Systems for DeepCBR: A Menagerie of Deep Learning and Case-Based
Reasoning Pairings for Explanation and Data Augmentation [16.401267631273516]
本稿では,ケースベース推論(CBR)のアイデアを,Deep Learning(DL)システムにおける説明可能なAI(XAI)問題に適用する研究について報告する。
本稿では,不透明なDLモデルと透過的なCBRモデルを組み合わせた双対システムについて述べる。
また、この研究がdlのデータ拡張問題にも応用され、これらのdeepcbrの考え方の強大さを強調する。
論文 参考訳（メタデータ） (2021-04-29T16:26:06Z) - Case-based Reasoning for Natural Language Queries over Knowledge Bases [41.54465521439727]
本稿では,大きな知識ベースに対する質問応答のための神経シンボル的CBR手法を提案する。
CBR-KBQAは、ケースを格納する非パラメトリックメモリとパラメトリックモデルという2つのモジュールから構成される。
CBR-KBQAは、ケースメモリに表示されない関係の新規な組み合わせを効果的に導出できることを示す。
論文 参考訳（メタデータ） (2021-04-18T07:50:31Z) - Focal and Efficient IOU Loss for Accurate Bounding Box Regression [63.14659624634066]
オブジェクト検出では、境界ボックス回帰(BBR)はオブジェクトローカリゼーションのパフォーマンスを決定する重要なステップです。
i) $ell_n$-norm と IOU ベースのロス関数はどちらも BBR の目的を描くのに非効率的であり、これは遅い収束と不正確な回帰結果をもたらす。
論文 参考訳（メタデータ） (2021-01-20T14:33:58Z)
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。