Öztürk, Ceyhun EmreYılmaz, E. H.Köksal, Ö.2024-03-222024-03-222023-08-2897983503435642165-0608https://hdl.handle.net/11693/115074Date of Conference: 05-08 July 2023Conference Name: 31st IEEE Conference on Signal Processing and Communications Applications, SIU 2023Automatic 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.TurkishSoftware bug report classificationNatural language processingPre-trained language modelsBERTYazılım hata raporu sınıflandırmaDoğal dil işlemeÖn eğitimli dil modelleriConference Paper10.1109/SIU59756.2023.102238069798350343557