《表5 Mozilla数据集中Accuracy@5的实验结果 (%)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《DeepTriage:一种基于深度学习的软件缺陷自动分配方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表2和表3显示的是本文所提方法和基准方法在Eclipse数据集上分别预测1名和5名开发者的结果.总的来说，本文提出的CNN模型要明显优于基准模型.在仅预测1名开发者的情况下，S_CNN的平均准确率比SVM的增加了15.69%，而M_CNN增加了22.96%.在预测5名开发者的情况下，与SVM相比，上述两种模型的平均准确率也分别增加了10.87%和17.48%.类似地，表4和表5显示了相关所有方法在M ozilla数据集上的预测效果.在预测1名和5名开发者的情况下，M_CNN的平均准确率比SVM的分别增加了16.01%和14.50%.这表明CNN在基于文本分类的软件缺陷自动分配问题上是有效的.