摘要
摘要
Agrawal A,Fu W,Chen D,Shen X,Menzies T(2019)《如何“回避”复杂的软件分析》。 IEEE软件工程学报(TSE’19),第1-13页 谷歌学者 Agrawal A,Menzies T(2018)“更好的数据”比“更好的挖掘者”更好吗?。 在:2018年IEEE/ACM第40届软件工程国际会议(ICSE'18)。 IEEE,第1050–1061页 谷歌学者 使用内部质量属性预测面向对象的类重用倾向 Empir软件工程(EMSE’14) 2014 19 4 775 821 2007年10月10日/10664-012-9239-3 谷歌学者 数字图书馆 置换重要性:一种修正的特征重要性度量 生物信息学 2010 26 10 1340 1347 10.1093/生物信息学/btq134 谷歌学者 数字图书馆 Anvik J、Hiew L、Murphy GC(2006)谁应该修复此错误?。 摘自:第28届软件工程国际会议记录(ICSE’06),第361–370页 谷歌学者 Arellano AV(2019)使用公共媒体文本挖掘进行流行病监测。 北卡罗来纳州立大学 谷歌学者 计算语言学的代码间协议 计算机语言学家 2008 34 4 555 596 10.1162/coli.07-034-R2 谷歌学者 数字图书馆 基于评估者的测试的可靠性:使用模拟构造模型确定上下文相关的协议阈值 BMC医学研究方法 2018 18 1 1 12 10.1186/s12874-018-0606-7 谷歌学者 交叉引用 配置基于潜在dirichlet分配的特征位置 Empir软件工程(EMSE’14) 2014 19 三 465 500 2007年10月10日/10664-012-9224-x 谷歌学者 数字图书馆 Bortis G,Van Der Hoek A(2013)Porchlight:一种基于标签的漏洞测试方法。 2013年第35届国际软件工程会议(ICSE)。 IEEE,第342–351页 谷歌学者 Bosblaugh S(2012)《简单统计:桌面快速参考》。 O'Reilly Media公司。 谷歌学者 Caglayan B、Misirli AT、Miranskyy A、Turhan B、Bener A(2012)重新开放问题的特征因素:案例研究。 摘自:第八届软件工程预测模型国际会议论文集,第1-10页 谷歌学者 脏分类变量学习的相似编码 马赫数学习 2018 107 8-10 1477 1494 3835275 2007年10月10日/10994-018-5724-2 谷歌学者 数字图书馆 用于建筑性能模拟的先进机器学习技术:比较分析 J构建执行模拟 2019 12 2 193 207 10.1080/19401493.2018.1498538 谷歌学者 交叉引用 SMOTE:合成少数人过采样技术 J Artif智能研究 2002 16 321 357 994.68128 10.1613/jair.953 谷歌学者 交叉引用 Chen D,Fu W,Krishna R,Menzies T(2018)《心理科学在可操作分析中的应用》。 摘自:第26届ACM欧洲软件工程联合会议会议记录和软件工程基础研讨会,第456–467页 谷歌学者 体系结构恢复背景下软件集群的词汇信息权重 Empir软件工程(EMSE’16) 2016 21 1 72 103 2007年10月10日/10664-014-9347-3 谷歌学者 数字图书馆 扎根理论研究:程序、规范和评估标准 定性社会学 1990 13 1 三 21 2007年10月10日/BF00988593 谷歌学者 交叉引用 快速发布周期对固定问题集成延迟的影响 Empir Softw Eng(2018年EMSE) 2018 23 2 835 904 2007年10月10日/10664-017-9548-7 谷歌学者 数字图书馆 Denny M,Spirling A(2017)《无监督学习的文本预处理:为什么重要,何时误导,以及如何应对》(2017年9月27日) 谷歌学者 软件分析调整:真的有必要吗? Inf Softw Technol公司 2016 76 135 146 10.1016/j.infsof.2016.04.017 谷歌学者 数字图书馆 Ghotra B、McIntosh S、Hassan AE(2015)《重新审视分类技术对缺陷预测模型性能的影响》。 2015年IEEE/ACM第37届IEEE软件工程国际会议(ICSE’15),第1卷。 IEEE,第789–800页 谷歌学者 Ghotra B、McIntosh S、Hassan AE(2017)关于特征选择技术对缺陷分类模型影响的大规模研究。 在:2017年IEEE/ACM第14届采矿软件存储库国际会议(MSR'17)。 IEEE,第146-157页 谷歌学者 Guo PJ,Zimmermann T,Nagappan N,Murphy B(2010)《描述和预测哪些错误得到修复:微软窗口的实证研究》。 In:第32届ACM/IEEE软件工程国际会议(ICSE’10)会议记录-第1卷,第495-504页 谷歌学者 Guo PJ、Zimmermann T、Nagappan N、Murphy B(2011)“不是我的错误!” 以及软件错误报告重新分配的其他原因。 摘自:ACM 2011年计算机支持的合作工作会议记录,第395-404页 谷歌学者 Hardeniya N、Perkins J、Chopra D、Joshi N、Mathur I(2016)《自然语言处理:python和nltk》。 Packt出版有限公司 谷歌学者 响应对编码数据的标准可靠性度量的呼吁 常用方法测量 2007 1 1 77 89 10.1080/19312450709336664 谷歌学者 交叉引用 He H,Ma Y(2013)《非平衡学习:基础、算法和应用》。 威利 谷歌学者 Hébert A(2020)用机器学习估计道路事故风险。 康考迪亚大学博士论文 谷歌学者 预处理非正式文本以进行有效的情感分析 国际J新兴趋势技术计算科学(IJETTCS) 2012 1 2 58 61 谷歌学者 Herzig K,Nagappan N(2015)使用关联规则经验检测虚假测试警报。 2015年IEEE/ACM第37届IEEE软件工程国际会议(ICSE’15),第2卷。 IEEE,第39–48页 谷歌学者 Jalbert N,Weimer W(2008),缺陷跟踪系统的自动重复检测。 2008年IEEE关于具有FTCS和DCC(DSN)的可靠系统和网络国际会议。 IEEE,第52-61页 谷歌学者 Jiarpakdee J、Tantithamthavorn C、Hassan AE(2019)相关指标对缺陷模型解释的影响。 IEEE软件工程学报(TSE’19) 谷歌学者 Jiarpakdee J、Tantithamthavorn C、Treude C(2018)《Autospearman:自动缓解解释缺陷模型的相关软件度量》。 2018年IEEE软件维护和进化国际会议(ICSME’18)。 IEEE计算机学会,第92–103页 谷歌学者 自动特征选择技术对缺陷模型解释的影响 Empir Softw Eng公司(EMSE’20) 2020 25 5 3590 3638 10.1007/s10664-020-09848-1 谷歌学者 数字图书馆 文本挖掘的预处理技术 国际计算机科学通讯网 2014 5 1 7 16 谷歌学者 数据挖掘中的泄漏:制定、检测和避免 ACM Trans Knowl发现数据(TKDD’12) 2012 6 4 1 21 2014年10月14日/2382577.2382579 谷歌学者 数字图书馆 流行雷艇模型特性的实证研究 Empir Softw Eng公司(EMSE’20) 2020 25 5 3396 3429 2007年10月10日/10664-020-09840-9 谷歌学者 数字图书馆 软件缺陷预测的基准分类模型:一个提议的框架和新发现 IEEE Trans Softw Eng(2008年TSE) 2008 34 4 485 496 10.1109/TSE.2008.35 谷歌学者 数字图书馆 Li H,Shang W,Adams B,Sayagh M,Hassan AE(2020)从开发商的角度对伐木效益和成本进行定性研究。 IEEE软件工程学报(TSE’20) 谷歌学者 模型可解释性的神话 排队 2018 16 三 31 57 10.1145/3236386.3241340 谷歌学者 数字图书馆 基于非平衡数据的软件变更预测实证研究 Empir Softw Eng(2017年EMSE) 2017 22 6 2806 2851 2007年10月10日/10664-016-9488-7 谷歌学者 数字图书馆 现代代码评审实践对软件质量影响的实证研究 Empir软件工程(EMSE’16) 2016 21 5 2146 2189 2007年10月10日/10664-015-9381-9 谷歌学者 数字图书馆 示例:用于查找高度相关应用程序的源代码搜索引擎 IEEE Trans Softw Eng(TSE’11) 2011 38 5 1069 1087 10.1109/TSE.2011.84 谷歌学者 数字图书馆 Méndez JR,Iglesias EL,Fdez-Riverola F,Díaz F,Corchado JM(2005),反垃圾邮件过滤域上的标记、词干和停止词删除。 在:西班牙人工智能协会会议。 施普林格,第449–458页 谷歌学者 Meyer TA、Whateley B(2004)Spambayes:有效的开源、基于贝叶斯的电子邮件分类系统。。 收件人:CEAS。 Citeser公司 谷歌学者 Mi Q,Keung J(2016)基于开源项目的重新打开的错误的实证分析。 摘自:《第20届软件工程评估与评估国际会议论文集》,第1-10页 谷歌学者 并非所有重新打开的错误都是负面的:对eclipse错误报告的案例研究 Inf Softw Technol公司 2018 99 93 97 10.1016/j.infsof.2018.03.006 谷歌学者 数字图书馆 基于ROC曲线的软件缺陷预测模型评估 Empir Softw Eng公司(EMSE’20) 2020 25 5 3977 4019 2007年10月10日/10664-020-09861-4 谷歌学者 数字图书馆 Murphy G,Cubranic D(2004)使用文本分类进行自动错误分类。 摘自:《第十六届软件工程与知识工程国际会议论文集》,Citeser,第1-6页 谷歌学者 基于功能请求的软件重构建议 Empir Softw Eng公司(EMSE’20) 2020 25 5 4315 4347 2007年10月10日/10664-020-09871-2 谷歌学者 数字图书馆 Rajbahadur GK,Wang S,Ansaldi G,Kamei Y,Hassan AE(2021)特征重要性方法对缺陷分类器解释的影响。 IEEE软件工程学报(TSE’21) 谷歌学者 Rajbahadur GK,Wang S,Kamei Y,Hassan AE(2017)使用回归模型构建缺陷分类器的影响。 2017年IEEE/ACM第14届国际采矿软件库会议(MSR’17)。 IEEE,第135–145页 谷歌学者 Rajbahadur GK,Wang S,Kamei Y,Hassan AE(2019)因变量离散化噪声对软件工程中机器学习分类器的影响。IEEE Trans-Softw Eng(TSE’19):1–18 谷歌学者 重新评估检索重复问题报告的自动化方法的性能 IEEE Trans Softw Eng(2017年TSE) 2017 44 12 1245 1268 10.1109/TSE.2017.2755005 谷歌学者 数字图书馆 错误是如何产生的:一个识别错误是如何引入软件组件的模型 Empir Softw Eng公司(EMSE’20) 2020 25 2 1294 1340 2007年10月10日/10664-019-09781-y 谷歌学者 交叉引用 了解长期存在的错误的分类和修复过程 Inf Softw Technol公司 2015 65 114 128 10.1016/j.infsof.2015.03.002 谷歌学者 数字图书馆 Scikit learn(2020)调整估计器的超参数。 https://scikit-learn.org/stable/modules/grid_search.html#grid -搜索 ,[在线;2020年6月8日访问] 谷歌学者 Scoccia GL,Autili M(2020)桌面应用程序的Web框架:一项探索性研究。 摘自:第14届ACM/IEEE国际经验软件工程与测量研讨会(ESEM'20)会议记录,第1-6页 谷歌学者 Shihab E、Ihara A、Kamei Y、Ibrahim WM、Ohira M、Adams B、Hassan AE、Matsumoto K-(2010)《预测再次开放的错误:月食项目的案例研究》。 2010年第17届逆向工程工作会议。IEEE,第249-258页 谷歌学者 研究开源软件中重新打开的错误 Empir Softw Eng(2013年EMSE) 2013 18 5 1005 1042 2007年10月10日/10664-012-9228-6 谷歌学者 交叉引用 Somasundaram K,Murphy GC(2012)使用潜在dirichlet分配自动分类错误报告。 摘自:第五届印度软件工程会议记录,第125-130页 谷歌学者 文本分类中文本表示方法的比较研究 模式分析和应用 2005 8 1-2 199 209 2196273 10.1007/s10044-005-0256-3 谷歌学者 文本分类中预处理技术的评价 国际计算机科学应用杂志 2010 47 11 49 51 谷歌学者 Stolberg S(2009)通过持续集成实现敏捷测试。 2009年敏捷大会。 IEEE,第369–374页 谷歌学者 Tantithamthavorn C、Hassan AE、Matsumoto K(2018)类别再平衡技术对缺陷预测模型性能和解释的影响。 IEEE软件工程学报(TSE’18) 谷歌学者 Tantithamthavorn C,McIntosh S,Hassan AE,Matsumoto K(2016)缺陷预测模型分类技术的自动参数优化。 摘自:第38届国际软件工程会议(ICSE’16),第321–332页 谷歌学者 缺陷预测模型的模型验证技术的实证比较 IEEE Trans Softw Eng(2016年TSE) 2016 43 1 1 18 谷歌学者 数字图书馆 Tian Y,Sun C,Lo D(2012)改进了重复错误报告识别。 收录:2012年第16届欧洲软件维护和重组会议。IEEE,第385–390页 谷歌学者 Tian Y,Wijedasa D,Lo D,Le Goues C(2016)学习为错误报告受让人推荐排名。 2016年IEEE第24届程序理解国际会议(ICPC’16)。 IEEE,第1-10页 谷歌学者 涂F,朱军,郑Q,周M(2018)《当心何时:与时间相关的问题跟踪数据滥用的实证研究》。 在:2018年第26届ACM欧洲软件工程联席会议和软件工程基础研讨会论文集,第307–318页 谷歌学者 软件故障预测的分层递归神经网络迭代特征选择算法 专家系统应用 2019 122 27 42 2016年10月10日/j.eswa.2018.12.033 谷歌学者 数字图书馆 预处理对文本分类的影响 Inf流程管理 2014 50 1 104 112 10.1016/j.ipm.2013.08.006 谷歌学者 数字图书馆 开发人员如何在不同的环境中使用静态分析工具 Empir Softw Eng公司(EMSE’20) 2020 25 2 1419 1457 2007年10月10日/10664-019-09750-5 谷歌学者 交叉引用 Vieira R、da Silva A、Rocha L、Gomes JP(2019)从报告到bug-fix提交:来自55个apache开源项目的10年bug-fixing活动数据集。 摘自:《第十五届软件工程预测模型和数据分析国际会议论文集》,第80–89页 谷歌学者 大火烈鸟(phoenicopterus roseus)足跖炎评分模型的个体间和个体内一致性评估 动物园野生动物医学杂志 2020 51 2 379 384 10.1638/2019-0219 谷歌学者 使用专门的主题模型改进自动错误分类 IEEE Trans Softw Eng(2016年TSE) 2016 43 三 272 297 10.1109/TSE.2016.2576454 谷歌学者 数字图书馆 自动、高精度地预测重新打开的错误 自动软件工程(ASE’15) 2015 22 1 75 109 2007年10月10日/10515-014-0162-2 谷歌学者 数字图书馆 Xia X,Lo D,Wang X,Yang X,Li S,Sun J(2013)用于重新打开错误预测的监督学习算法的比较研究。 摘自:2013年第17届欧洲软件维护和再工程会议。IEEE,第331–334页 谷歌学者 Xia X,Lo D,Wang X,Zhou B(2013)针对错误解决的准确开发人员建议。 2013年第20届逆向工程工作会议(WCRE)。 IEEE,第72–81页 谷歌学者 Xia X,Lo D,Wen M,Shihab E,Zhou B(2014)错误报告字段重新分配的实证研究。 2014年软件进化周——IEEE软件维护、再工程和逆向工程会议(CSMR-WCRE’14)。 IEEE,第174-183页 谷歌学者 利用软件数据简化技术实现有效的错误分类 IEEE Trans Knowl数据工程 2014 27 1 264 280 10.1109/TKDE.2014.2324590 谷歌学者 Xuan J,Jiang H,Ren Z,Zou W(2012)开发人员在错误库中的优先级。 2012年第34届国际软件工程会议(ICSE’12)。 IEEE,第25-35页 谷歌学者 基于缺陷分类专业知识得分的软件开发人员排名 Inf Softw Technol公司 2019 112 1 17 10.1016/j.infsof.2019.03.014 谷歌学者 数字图书馆 Yatish S,Jiarpakdee J,Thongtanunam P,Tanthithavorn C(2019)挖掘软件缺陷:我们应该考虑受影响的版本吗?。 参见:IEEE/ACM第41届国际软件工程会议(ICSE’19)。 IEEE,第654-665页 谷歌学者 曾毅,蒋可,陈杰(2019)利用深度卷积神经网络进行地震盐自动解释。 摘自:第三届信息系统和数据挖掘国际会议记录,第16-20页 谷歌学者 Zhang H,Wang S,Chen T-H,Hassan AE(2020)关于堆栈溢出的评论是否组织得很好,便于开发人员检索? ACM Trans Softw Eng Methodol公司(TOSEM’20)29 谷歌学者 Zhang H,Wang S,Chen T-H,Zou Y,Hassan AE(2019)关于堆栈溢出过时答案的实证研究。 IEEE软件工程学报(TSE’19) 谷歌学者 Zheng A,Casari A(2018)《机器学习的特征工程:数据科学家的原理和技术》。 O'Reilly Media公司。 谷歌学者 Zimmermann T,Nagappan N,Guo PJ,Murphy B(2012)描述和预测哪些漏洞会重新打开。 2012年:第34届国际软件工程会议(ICSE’12)。 IEEE,第1074–1083页 谷歌学者
建议
基于开源项目的重开漏洞实证分析 EASE’16:第20届软件工程评估国际会议论文集 背景: 修复错误是一项长期而耗时的活动。 软件错误经历了一个典型的生命周期,从新报告到最终由开发人员关闭,但由于以下原因,它可能会重新打开以进行进一步操作。。。 重新打开的错误的自动、高精度预测 错误修复是软件开发生命周期中最耗时、最昂贵的活动之一。 一般来说,错误是在错误跟踪系统中报告的,由分类小组进行验证,然后指派人员进行修复,最后验证并关闭。。。 重复错误的特征:从业者的感知和实证分析 摘要 错误处理是软件开发过程的一个重要部分。 理想情况下,在错误跟踪系统中,错误会被报告、修复、验证和关闭。 在某些情况下,错误必须重新打开,主要是因为修复不正确。 然而,不是。。。 我们的研究调查了唯一错误和重复错误之间的差异,并将重复错误进一步分类为主未解决错误(类别-1)和错过重新打开错误(类别-2)。 通过对错误报告的调查,我们发现重复项多达。。。