This global weight ensures that Dyn

This global weight ensures that DynWing gives more weight to the Histracecommits expert than to the Histracebugs expert. We choose to favor Histracecommits based on the quality of the semantic information contained in the commit messages, the bug reports, and the source code classes, as further discussed in Section 5.1.
3.11 Analysis Method
We use OraclejEdit, OraclePooka, OracleRhino, and OracleSIP to compute the precision and recall values of the links recovered using JSM, Trustrace, and VSM. JSM and VSM assign a similarity value to each and every traceability link whereas Trustrace uses its model, defined in Section 2.3, to reevaluate the similarity values of the links provided by a baseline technique.
To answer RQ1, we perform several experiments with different threshold values on the recovered links to perform statistical tests on precision and recall values. We use a threshold t to prune the set of traceability links, keeping only links whose similarities values are greater than or equal to t 2 ½0;1. We use different values of t from 0.01 to 1 per steps of 0.01 to obtain different sets of traceability links with varying precision and recall values, for all approaches. We then perform paired-statistical tests to measure the improvements brought by Trustrace. In the paired-statistical tests, two chosen approaches must have the same number of data points. Therefore, we keep the same threshold t values for both approaches. For example, if VSM discards all traceability links whose textual similarity values are below the 0.7 threshold, then we also use the same 0.7 threshold for Trustrace.
Then, we assess whether the differences in precision and recall values, in function of t, are statistically significant between the JSM, Trustrace, and VSM approaches. To select an appropriate statistical test, we use the Shapiro-Wilk test to analyze the distributions of our data points. We observe that these distributions do not follow a normal distribution. Thus, we use a nonparametric test, i.e., Mann-Whitney test, to test our null hypotheses to answer RQ1.
An improvement might be statistically significant, but it is also important to estimate the magnitude of the difference between the accuracy levels achieved with a single IR technique and Trustrace

Kết quả (Việt) 1:

Trọng lượng toàn cầu này đảm bảo rằng DynWing cung cấp cho trọng lượng hơn để các Histracecommits chuyên gia hơn để các chuyên gia Histracebugs. Chúng tôi chọn để ưu tiên Histracecommits dựa trên chất lượng của ngữ nghĩa thông tin trong các thư cam kết, báo cáo lỗi, và các lớp học mã nguồn, như tiếp tục thảo luận trong phần 5.1.3,11 phương pháp phân tíchChúng tôi sử dụng OraclejEdit, OraclePooka, OracleRhino, và OracleSIP để tính toán độ chính xác và gọi lại các giá trị của các liên kết thu hồi bằng cách sử dụng JSM, Trustrace, và VSM. JSM và VSM chỉ định một giá trị tương tự cho mỗi truy tìm nguồn gốc liên kết trong khi Trustrace sử dụng mô hình của nó, được định nghĩa trong phần 2.3, phải tái thẩm định các giá trị tương tự của các liên kết được cung cấp bởi một đường cơ sở kỹ thuật.Để trả lời RQ1, chúng tôi thực hiện một số thử nghiệm với giá trị ngưỡng khác nhau vào các liên kết thu hồi để thực hiện các bài kiểm tra thống kê trên giá trị chính xác và thu hồi. Chúng tôi sử dụng một ngưỡng t để prune tập hợp các liên kết truy tìm nguồn gốc, Giữ liên kết chỉ tương đồng có giá trị là lớn hơn hoặc bằng t 2 ½0; 1. Chúng tôi sử dụng giá trị khác nhau của t từ 0,01 đến 1 trên mỗi bước của 0,01 để có bộ khác nhau của truy tìm nguồn gốc liên kết với giá trị chính xác và gọi lại, cho tất cả các phương pháp tiếp cận khác nhau. Sau đó chúng tôi thực hiện bài kiểm tra danh sách theo cặp-thống kê để đo lường những cải tiến mang bởi Trustrace. Trong các bài kiểm tra danh sách theo cặp-thống kê, hai cách tiếp cận được lựa chọn phải có cùng số điểm dữ liệu. Vì vậy, chúng tôi giữ cho cùng một ngưỡng t giá trị cho cả hai phương pháp tiếp cận. Ví dụ, nếu VSM loại bỏ tất cả các liên kết truy tìm nguồn gốc có giá trị văn bản tương tự dưới ngưỡng cách 0.7, sau đó chúng tôi cũng sử dụng cùng một cách 0.7 ngưỡng cho Trustrace.Sau đó, chúng tôi đánh giá cho dù sự khác biệt trong độ chính xác và thu hồi các giá trị, trong các chức năng của t, là ý nghĩa thống kê quan trọng giữa những phương pháp tiếp cận JSM, Trustrace, và VSM. Để chọn một bài kiểm tra thống kê thích hợp, chúng tôi sử dụng thử nghiệm Shapiro-Wilk để phân tích các bản phân phối của điểm dữ liệu của chúng tôi. Chúng tôi quan sát rằng các nhà phân phối không tuân theo một phân phối bình thường. Vì vậy, chúng tôi sử dụng một bài kiểm tra nonparametric, tức là, các thử nghiệm Mann-Whitney, để thử nghiệm giả thuyết null của chúng tôi để trả lời RQ1.Một sự cải tiến có thể thống kê quan trọng, nhưng nó cũng là quan trọng để ước tính độ lớn của sự khác biệt giữa các mức độ chính xác đạt được với một kỹ thuật IR duy nhất và Trustrace

Kết quả (Việt) 2:

Trọng lượng toàn cầu này đảm bảo rằng DynWing cho thấy rõ hơn để các chuyên gia Histracecommits hơn để các chuyên gia Histracebugs. Chúng tôi lựa chọn để ưu Histracecommits dựa vào chất lượng của các thông tin ngữ nghĩa chứa trong các bài viết cam kết, các báo cáo lỗi, và các lớp mã nguồn, như được thảo luận trong Phần 5.1.
3.11 Phương pháp phân
tích, chúng tôi sử dụng OraclejEdit, OraclePooka, OracleRhino, và OracleSIP để tính toán các giá trị chính xác và thu hồi các liên kết phục hồi bằng cách sử dụng JSM, Trustrace, và VSM. JSM và VSM gán một giá trị tương tự cho mỗi và mọi liên kết truy xuất nguồn gốc trong khi Trustrace sử dụng mô hình của nó, được xác định tại mục 2.3, phải đánh giá lại các giá trị giống nhau của các liên kết được cung cấp bởi một kỹ thuật cơ bản.
Để trả lời RQ1, chúng tôi thực hiện một số thí nghiệm với các giá trị ngưỡng khác nhau vào các liên kết bị thu hồi để thực hiện các bài kiểm tra thống kê về độ chính xác và thu hồi giá trị. Chúng tôi sử dụng một t ngưỡng tỉa bộ các liên kết truy xuất nguồn gốc, chỉ giữ lại các liên kết có giá trị tương đồng là lớn hơn hoặc bằng t 2 ½0; 1. Chúng tôi sử dụng các giá trị khác nhau của t 0,01-1 mỗi bước của 0.01 để có được bộ khác nhau của liên kết truy xuất nguồn gốc khác nhau với độ chính xác và giá trị thu hồi, cho tất cả các phương pháp tiếp cận. Sau đó chúng tôi thực hiện ghép nối-thống kê các xét nghiệm để đo lường những cải tiến mang lại bởi Trustrace. Trong các cuộc thử nghiệm kết hợp-thống kê, hai phương pháp được lựa chọn phải có cùng số điểm dữ liệu. Do đó, chúng tôi giữ các giá trị ngưỡng t nhau cho cả hai cách tiếp cận. Ví dụ, nếu VSM loại bỏ tất cả các liên kết truy xuất nguồn gốc mà tương đồng văn bản giá trị dưới ngưỡng 0,7, sau đó chúng tôi cũng sử dụng cùng một 0,7 ngưỡng cho Trustrace.
Sau đó, chúng tôi đánh giá xem sự khác biệt về độ chính xác và thu hồi giá trị, trong chức năng của t, được thống kê đáng kể giữa các phương pháp tiếp cận JSM, Trustrace, và VSM. Để chọn một bài kiểm tra thống kê thích hợp, chúng tôi sử dụng các bài kiểm tra Shapiro-Wilk để phân tích sự phân bố của các điểm dữ liệu của chúng tôi. Chúng tôi nhận thấy rằng các bản phân phối không theo một phân phối bình thường. Vì vậy, chúng tôi sử dụng một thử nghiệm không tham số, tức là, Mann-Whitney kiểm tra, kiểm chứng giả thuyết của chúng tôi để trả lời RQ1.
Một cải tiến có thể là ý nghĩa thống kê, nhưng nó cũng rất quan trọng để ước tính độ lớn của sự khác biệt giữa các mức độ chính xác đạt được với một kỹ thuật IR đơn và Trustrace