##文件及说明

Bug_training_cm.py 论文对比实验代码

tfidf文件夹包含tfidf训练模型

training包含w2v以及d2v训练好模型

exper_filehash.sql为验证数据集

------------------------

训练集为5845条数据 ,测试集为650

效果不好的原因是因为一个bugid对应的相似bugid数量较少

1、第一阶段目标：运用document embedding (例如doc2vec)方法解决传统经典bug研究问题，例如bug localization、bug分类、bug指派等。传统方法主要是基于bug的自身属性或者利用传统的信息抽取方法（例如TF-IDF）来计算文本的相似度。

2、经过调研，对于传统的bug localization问题，目前已有研究利用人工神经网络（例如word embedding, word2vec）方法来研究此类问题。但是word2vec方法只考虑了词与词之间的相似度，很难将一些bug的结构属性加入到模型中，但是doc2vec方法在word2vec基础上考虑了文档标签，所以可以将bug的属性很容易的加入到人工神经网络的模型中去，使模型参考因素更多，更加健壮。所以我们猜测doc2vec方法解决传统的bug localization问题效果会更好。

3、第一阶段计划：运用doc2vec方法对bug localization问题进行研究，并与前人的工作做对比，比如与word2vec方法做实验对比，验证我们实验方法的优越性。

4、下一阶段计划：我们在传统bug问题上走通后，再想办法移植到github上的新式研究问题，例如给用户推荐项目，预测issue的解决时间之类的。