Heterogeneous information network to support the bug report resolution process

Abstract

Contexto. Ao longo do ciclo de vida de um software, inúmeros documentos (por exemplo, relatórios de incidentes e código fonte) são produzidos por stakeholders. Os relatórios de incidentes (RI) são os principais documentos de insumo para apoiar as atividades (predição da severidade de relatórios de incidentes e recomendação de responsáveis pela correção do software) do processo de resolução de relatórios de incidentes (RRI). Já o código fonte combinado com os relatórios de incidentes são insumos para apoiar atividades de localização de defeitos. A Automação dessas atividades do processo RRI requer uma preocupação em como obter uma representação semanticamente representativa. Tradicionalmente utiliza-se Bag-of-Word (BoW) para representar os documentos de software para apoiar a execução automática dessas atividades por meio de algoritmos de aprendizado de máquina. Lacuna. No entanto, pouca atenção foi dada para representações baseadas em redes de informações heterogêneas (RIH), que permitem representar redes complexas respeitando os relacionamentos entre diferentes objetos. Contribuição. Esta tese de doutorado contribui para o avanço do estado da arte no que se refere aos modelos de representação de informações para apoiar a execução automática de atividades do processo RRI. Também avança na investigação de (i) algoritmos semissupervisionados que utilizam redes heterogêneas bipartidas para apoiar a predição de severidade de RI, (ii) um método que combina a representação BoW e redes de informações heterogêneas para apoiar a atividade de localização de defeitos, e (iii) uma abordagem holística que reutilizar uma rede de informações heterogêneas para apoiar atividades de RRI. Resultados. Os resultados demonstram que redes de informações heterogêneas podem ser uma alternativa promissora para apoiar a automação do processo RRI. Conclusões. Um processo RRI automático numa perspectica holística utilizando rede de informações heterogêneas apresentou resultados promissores ao serem comparados com representações do estado da arte.