Na 19th International Conference on Software Technologies (ICSOFT 2024) u Dižonu, Francuska, predstavili smo rad „Feature Extraction, Learning and Selection in Support of Patch Correctness Assessment“ (Csuvik, Horváth i Vidács).
Rad poredi obeležja iz ranijih studija – ručno osmišljene heuristike i naučena ugrađivanja (embeddings) – u razlikovanju ispravnih automatski generisanih zakrpa od neispravnih, uz više modela mašinskog učenja. Nisu sva obeležja podjednako korisna, a izbor modela mnogo znači: sa 43 odabrana obeležja MLP klasifikator dostigao je F1 od 81%, naspram 64% za stablo odlučivanja sa svih 490 obeležja. Na skupu od 903 označene zakrpe model je u najboljem slučaju postigao preciznost od 100% i odziv od 97%.
Rad pokazuje koji signali razlikuju ispravnu zakrpu od one koja samo prolazi testove.
Rad: na stranici izdavača
