软件学报

作者：杨岚心，张贺，徐近伟，张逸凡，王梓宽，周鑫，李京悦，荣国平

单位：杨岚心，南京大学 软件学院, 江苏 南京 210093;计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21009311,张贺，南京大学 软件学院, 江苏 南京 210093;计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21009302,徐近伟，南京大学 软件学院, 江苏 南京 210093;计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21009303,张逸凡，南京大学 软件学院, 江苏 南京 210093;计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21009304,王梓宽，南京大学 软件学院, 江苏 南京 210093;计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21009305,周鑫，南京大学 软件学院, 江苏 南京 210093;计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21009306,李京悦，Department of Computer Science, Norwegian University of Science and Technology, Trondheim 7030, Norway07,荣国平，南京大学 软件学院, 江苏 南京 210093;计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21009308

关键词：软件质量保证;代码评审;代码评审意见;质量评价;多标签学习;实证软件工程

基金：国家自然科学基金(62072227, 62202219); 国家重点研发计划(2019YFE0105500); 江苏省重点研发计划(BE2021002-2); 南京大学计算机软件新技术国家重点实验室创新项目(ZZKT2022A25); 海外开放课题(KFKT2022A09)

代码评审是现代软件开发过程中被广泛应用的最佳实践之一, 其对于软件质量保证和工程能力提升都具有重要意义. 代码评审意见是代码评审最主要和最重要的产出之一, 其不仅是评审者对代码变更的质量感知, 而且是作者修复代码缺陷和提升质量的重要参考. 目前, 全球各大软件组织都相继制定了代码评审指南, 但仍缺少针对代码评审意见质量的有效的评价方式和方法. 为了实现可解释的、自动化的评价, 开展文献综述、案例分析等若干实证研究, 并在此基础上提出一种基于多标签学习的代码评审意见质量评价方法. 实验使用某大型软件企业的34个商业项目的共计17 000条评审意见作为数据集. 结果表明所提出的方法能够有效地评价代码评审意见质量属性和质量等级. 除此以外, 还提供若干建模经验, 如评审意见标注和校验等, 旨在帮助那些受代码评审困扰的软件组织更好地实施所提出的方法.

来源：2024年第6期

《软件学报》期刊编辑部

查看软件学报杂志2024年第6期