排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
2.
在GitHub平台中,许多项目贡献者在提交Pull Request (PR)时往往会忽略提交PR描述,这使得他们提交的PR容易被评审者忽略或者拒绝,因此自动生成PR描述以帮助项目贡献者提高PR通过率是很有必要的.然而,现有PR描述生成方法的表现会受到PR粒度影响,无法有效为大粒度的PR生成描述.因此我们的工作专注于大粒度PR描述的自动生成.我们首先对PR中的文本信息进行预处理,将文本中的单词作为辅助节点构建词-句异质图,以建立PR语句间的联系.随后对异质图进行特征提取,并将提取后的特征输入至图神经网络进行图表示学习,通过节点间的消息传递,使句子节点学习到更丰富的内容信息,最后选择带有关键信息的句子组成PR描述.此外,针对PR数据集缺少人工标注的真实标签而无法进行监督学习的问题,我们使用强化学习指导PR描述的生成,以最小化获得奖励的负期望为目标训练模型,该过程与标签无关,并且直接提升了生成结果的表现.我们在真实的数据集上进行了实验,实验结果表明,我们提出的大粒度PR描述生成方法在F1值和可读性上优于现有方法. 相似文献
1