Aggregation model for stack trace grouping / Deep assignee prediction for bug stacktraces

"Aggregation model for stack trace grouping"

Разработка программного обеспечения – сложный итеративный процесс. Программы поддерживаются, реорганизуются, исправляются и обновляются на постоянной основе. При этом очень часто существуют ошибки, которые не обнаружили на этапе тестирования. В большинстве современных программ при возникновении ошибки автоматически формируется отчет об ошибке, содержащий в себе стек вызовов, информацию о системе, состояние окружения, версию аварийного приложения, установленные плагины, библиотеки и их версии.
Отчеты об ошибках приходят постоянно, и их становится очень много. Одна из проблем, с которой сталкиваются разработчики, — одинаковые ошибки могут дать немного разные отчеты. Для анализа большого числа отчетов об ошибках их объединяют в группы на основе типа возникшей ошибки.
На семинаре будет рассказано про существующие методы группировки стектрейсов, их преимущества и недостатки. Также будут рассмотрены предложенные нами методы группировки отчетов. Один из методов – модель агрегации, которая использует информацию, полученную из существующих методов, и информацию о самих стектрейсах.

Докладчик: Николай Карасов.

“Deep assignee prediction for bug stacktraces”

Важным компонентом почти любой системы является отслеживание ошибок. Assignee prediction (“bug triage”) -- задача определения разработчика, который потенциально мог бы исправить ошибку. Данная задача является важной, так как некорректное присвоение тратит время разработчика и снижает скорость устранения ошибок. В самом простом случае ошибка характеризуется названием и описанием на естественном языке. За последнее время появилось несколько подходов для решения данной задачи, основанных на глубоких нейронных сетях. Как правило, данные подходы работают лучше, чем алгоритмы классического машинного обучения (SVM, Naive Bayes, Random Forest). Однако не всегда существует текстовое описание ошибок, что затрудняет применение данных решений.
На семинаре мы обсудим существующие нейросетевые подходы для решения данной задачи, их преимущества и недостатки. Также будет предложен способ предсказания подходящего разработчика, когда есть только стектрейс ошибки, но нет её текстового описания.

Докладчик: Денис Сушенцев.