論文の概要: A Hybrid LTR-based System via Social Context Embedding for Recommending Solutions of Software Bugs in Developer Communities

• arxiv url: http://arxiv.org/abs/2603.07229v1
• Date: Sat, 07 Mar 2026 14:24:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:14.104503
• Title: A Hybrid LTR-based System via Social Context Embedding for Recommending Solutions of Software Bugs in Developer Communities
• Title（参考訳）: 開発者コミュニティにおけるソフトウェアバグのレコメンデーションソリューションのためのソーシャルコンテキスト埋め込みによるハイブリッドLTRシステム
• Authors: Fouzi Harrag, Mokdad Khemliche,
• Abstract要約: Stack Overflowを慎重にマイニングすることで開発者がソフトウェアバグの解決策を見つけるのを支援するためのレコメンデータシステムを提案する。 提案されたモデルは,Stack Overflowで利用可能なQ&Aをクラウドソーシングすることで,ソフトウェアバグに対するソリューションを推奨する知識を活用する。 我々のモデルは、各質問に対する10のベストな回答を推奨するときに、約78%の正解を達成する。
• 参考スコア（独自算出の注目度）: 1.2891210250935148
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Questions and Answering forums such as Stack Overflow play an important role in supporting software developers in finding answers to queries related to issues such as software errors and bugs. However, searching through a large set of candidate answers could be time consuming and may not lead to the best solution. In this research, the effectiveness of data mining models and machine learning techniques to solve this kind of problems is evaluated. We propose a recommender system to aid developers in finding solutions to their software bugs by carefully mining Stack Overflow. The proposed model leverages the knowledge available through crowdsourcing the Q&A available in Stack Overflow to recommend a solution to software bugs. We use deep learning techniques to construct the required Learning-to-Rank (LTR)-based model using the social context embedding the Stack Overflow features. Text mining, natural language processing and recommendation algorithms are used to extract, evaluate and recommend the best relevant bug solutions. Additionally, our model achieves nearly 78% correct solutions when recommending the 10 best answers for each question.
• Abstract（参考訳）: Stack Overflowのような質問や回答フォーラムは、ソフトウェアエラーやバグといった問題に関する質問に対する回答を見つけるために、ソフトウェア開発者を支援する上で重要な役割を果たす。 しかし、大量の候補回答を探索することは時間を要する可能性があり、最良の解決策にはならないかもしれない。 本研究では,このような問題を解決するためのデータマイニングモデルと機械学習手法の有効性を評価する。 Stack Overflowを慎重にマイニングすることで開発者がソフトウェアバグの解決策を見つけるのを支援するためのレコメンデータシステムを提案する。 提案されたモデルは,Stack Overflowで利用可能なQ&Aをクラウドソーシングすることで,ソフトウェアバグに対するソリューションを推奨する知識を活用する。 深層学習技術を用いて、Stack Overflow機能を組み込んだ社会的コンテキストを用いて、必要なLTR(Learning-to-Rank)ベースのモデルを構築します。 テキストマイニング、自然言語処理、レコメンデーションアルゴリズムは、最も適切なバグソリューションを抽出、評価、推奨するために使用される。 さらに,各質問に対するベスト10の回答を推奨すると,約78%の正解が得られる。

関連論文リスト

• Self-Questioning Language Models [58.73276539661649]
  本稿では,提案者がトピックを与えられ,解答者に対する質問を生成する非対称なセルフプレイフレームワークを提案する。 提案者と解答者はともに強化学習を通じて訓練される。 3桁の乗算、OMEGAベンチマークの代数問題、Codeforcesのプログラミング問題である。
  論文  参考訳（メタデータ） (2025-08-05T17:51:33Z)
• Do AI models help produce verified bug fixes? [62.985237003585674]
  大規模言語モデルは、ソフトウェアバグの修正に使用される。 本稿では,プログラマが大規模言語モデルを用いて,自身のスキルを補完する方法について検討する。 その結果は、プログラムバグに対する保証された修正を提供するAIとLLMの適切な役割への第一歩となる。
  論文  参考訳（メタデータ） (2025-07-21T17:30:16Z)
• GBM Returns the Best Prediction Performance among Regression Approaches: A Case Study of Stack Overflow Code Quality [2.5515299924109858]
  Stack Overflow(Java)コード品質を予測する変数と、最高の予測能力を提供する回帰アプローチを検討した。 長いStack Overflowコードは、コード違反が多い傾向があり、より高いスコアを得た質問は、より多くのビューを惹きつけ、Stack Overflowの質問に追加される回答が増えるほど、提供されるコードには通常より多くのエラーが観測される。
  論文  参考訳（メタデータ） (2025-05-15T07:04:17Z)
• Multimodal Reranking for Knowledge-Intensive Visual Question Answering [77.24401833951096]
  回答生成のための知識候補のランク付け品質を向上させるためのマルチモーダル・リランカを提案する。 OK-VQAとA-OKVQAの実験は、遠隔監視からのマルチモーダルリランカーが一貫した改善をもたらすことを示している。
  論文  参考訳（メタデータ） (2024-07-17T02:58:52Z)
• BugMentor: Generating Answers to Follow-up Questions from Software Bug Reports using Structured Information Retrieval and Neural Text Generation [0.9298382208776371]
  本稿では,構造化情報検索とニューラルテキスト生成を組み合わせた新しい手法であるBugMentorを提案する。 提案手法は,過去のバグレポートから与えられたバグレポートを識別し,コンテキスト情報をキャプチャし,それを利用して回答を生成する。 我々は,最大72のBLEUスコアと最大92のセマンティック類似性を達成し,この手法が質問に対する理解と回答を得られることを示す。
  論文  参考訳（メタデータ） (2023-04-24T23:29:14Z)
• Answer ranking in Community Question Answering: a deep learning approach [0.0]
  本研究は, 地域質問回答の回答ランキングを, 深層学習のアプローチで進めることによって, 技術の現状を推し進めるものである。 Stack OverflowのWebサイトにポストされた質問と回答の大規模なデータセットを作成しました。 我々は,高密度埋め込みとLSTMネットワークの自然言語処理機能を利用して,受理された応答属性の予測を行った。
  論文  参考訳（メタデータ） (2022-10-16T18:47:41Z)
• Attention-based model for predicting question relatedness on Stack Overflow [0.0]
  Stack Overflowにおける質問間の関連性を自動的に予測するアテンションベースの文対相互作用モデル(ASIM)を提案する。 ASIMは、Precision、Recall、Micro-F1評価メトリクスのベースラインアプローチを大幅に改善しました。 私たちのモデルは、Ask Ubuntuの重複質問検出タスクでもうまく機能します。
  論文  参考訳（メタデータ） (2021-03-19T12:18:03Z)
• Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via Alternate Meta-learning [56.771557756836906]
  本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。 本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-10-29T18:28:16Z)

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。