Transformer-based bug/feature classification

Date
2023-08-28
Editor(s)
Advisor
Supervisor
Co-Advisor
Co-Supervisor
Instructor
Source Title
2023 31st Signal Processing and Communications Applications Conference (SIU 2023)
Print ISSN
2165-0608
Electronic ISSN
Publisher
IEEE - Institute of Electrical and Electronics Engineers
Volume
Issue
Pages
1 - 4
Language
Turkish
Journal Title
Journal ISSN
Volume Title
Series
Abstract

Automatic classification of a software bug report as a 'bug' or 'feature' is essential to accelerate closed-source software development. In this work, we focus on automating the bug/feature classification task with artificial intelligence using a newly constructed dataset of Turkish software bug reports collected from a commercial project. We train and test support vector machine (SVM), k-nearest neighbors (KNN), convolutional neural network (CNN), transformer-based models, and similar artificial intelligence models on the collected reports. Results of the experiments show that transformer-based BERTurk is the best-performing model for the bug/feature classification task.


Yazılım hata raporları için otomatik hata-istek tahmini yapılması, kapalı kaynak yazılım geliştirme sürecini hızlandırmak için önemlidir. Bu çalışmada, bir ticari yazılım geliştirme projesinden toplanan Türkçe hata raporları kullanılarak yeni bir veri kümesi oluşturulmuş ve hata-istek sınıflandırmasının yapay zeka ile otomatikleştirilmesine odaklanılmıştır. Bu kapsamda, destek vektör makinesi (SVM), k en yakın komşu (KNN), evrişimsel sinir ağı (CNN), dönüştürücü tabanlı modeller ve benzeri yapay zeka algoritmaları ve modelleri kullanılmıştır. Deney sonuçlarına göre hata-istek sınıflandırmada en iyi performans dönüştürücü tabanlı BERTurk modeli ile elde edilmiştir.

Course
Other identifiers
Book Title
Citation
Published Version (Please cite this version)