A 19th International Conference on Software Technologies (ICSOFT 2024) konferencián (Dijon, Franciaország) bemutattuk tanulmányunkat: „Feature Extraction, Learning and Selection in Support of Patch Correctness Assessment” (Csuvik, Horváth és Vidács).
A tanulmány korábbi munkákból származó jellemzőket – kézzel tervezett heurisztikákat és tanult beágyazásokat – vet össze abból a szempontból, mennyire segítenek elválasztani a helyes, automatikusan generált javításokat a hibásaktól, többféle gépi tanulási modellel. Nem minden jellemző egyformán hasznos, és a modell kiválasztása is sokat számít: 43 kiválasztott jellemzővel egy MLP osztályozó 81%-os F1-értéket ért el, szemben a mind a 490 jellemzőt használó döntési fa 64%-ával. Egy 903 címkézett javítást tartalmazó adathalmazon a modell a legjobb esetben 100%-os pontosságot és 97%-os felidézést ért el.
A tanulmány azt vizsgálja, mely jelek különítik el a helyes javítást attól, amelyik csak átmegy a teszteken.
A tanulmány: a kiadó oldalán
