软件学报

作者：邝砾，施如意，赵雷浩，张欢，高洪皓

单位：邝砾，中南大学计算机学院, 湖南 长沙 41008311,施如意，中南大学计算机学院, 湖南 长沙 41008302,赵雷浩，中南大学计算机学院, 湖南 长沙 41008303,张欢，中南大学计算机学院, 湖南 长沙 41008304,高洪皓，上海大学计算机工程与科学学院, 上海 20044405

关键词：Pull Request描述;异质图神经网络;强化学习;非结构性文档;摘要生成

基金：国家重点研发计划（2018YFB1003800）；国家自然科学基金（61772560）

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，该工作专注于大粒度PR描述的自动生成.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，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.在真实的数据集上进行了实验，实验结果表明，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.

来源：2021年第6期

《软件学报》期刊编辑部

查看软件学报杂志2021年第6期