During the maintenance phase of software development, bug reports provide software developers with important information. Developers share and discuss information about bugs and fix associated bugs through bug reports. However, bug reports often include complex and long discussions. Due to this nature of bug reports, developers have difficulty in obtaining the information they look for. Several researchers have proposed summarizing bug reports. However, existing methods are heavily dependent on training data, which will result in extra bias. Existing methods also have not exploited the sentence relations in bug reports. In this paper, we analyze the sentence relations in terms of reliability, importance, and topic association, and propose a deep learning-based bug report summarization technique using sentence relations. The experimental results over a public dataset show that our method outperforms the state-of-the-art method in terms of both summary quality and the number of applicable bug reports.
소프트웨어 프로젝트의 유지보수에서 버그 리포트는 개발자들에게 매우 중요한 정보를 제공한다. 개발자들은 버그에 대한 정보를 공유 및 논의하거나 연관된 버그 수정 작업 시 버그 리포트를 열람한다. 그러나 버그 리포트는 복잡하고 장황한 토론들로 이루어져 있는 경우가 많아 개발자들이 이를 읽고 이해하는 데 어려움이 있다. 따라서, 간결하고 정확한 버그 리포트 요약문을 생성하기 위해 다양한 관련 연구가 진행되었다. 그러나, 버그 리포트 요약에 관한 기존 연구의 경우, 학습 데이터에 크게 의존하거나 문장 내 단어 빈도에 크게 의존하여 요약문의 품질이 떨어지는 경우가 많다. 또한, 버그 리포트 내 다양한 문장 간의 관계를 고려하지 않았다. 본 연구에서는 버그 리포트의 문장 관계를 신뢰성, 문장 간 응집성, 주제와의 연관성 측면에서 분석하고, 이를 이용한 딥러닝 기반의 버그 리포트 요약 기법을 제안한다. 실험을 통해 제안 기법이 기존 버그 리포트 요약 기법보다 요약 품질과 적용 범위 측면에서 뛰어남을 검증하였다.
