مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 17 4 2020 3 7 Bug Detection and Assignment for Mobile Apps via Mining Users' Reviews انتساب خطاهای شناسایی شده در نظرات کاربران در مورد برنامک‌های همراه به توسعه‌دهندگان 287 297 fa مریم یونسی عباس حیدرنوری فاطمه قنادی 2019 5 2 Increasing the popularity of smart phones and the great ovation of users of mobile apps has turned the app stores to massive software repositories. Therefore, using these repositories can be useful for improving the quality of the program. Since the bridge between users and developers of mobile apps is the comments that users write in app stores, special attention to these comments from developers can make a dramatic improvement in the final quality of mobile apps. Hence, in recent years, numerous studies have been conducted around the topic of opinion mining, whose intention was to extract and exert important information from user's reviews. One of the shortcomings of these studies is the inability to use the information contained in user comments to expedite and improve the process of fixing the software error. Hence, this paper provides an approach based on users’ feedback for assigning program bugs to developers. This approach builds on the history of a program using its commit data, as well as developers' ability in fixing a program’s errors using the bugs that developers have already resolved in the app. Then, by combining these two criteria, each developer will get a score for her appropriation for considering each review. Next, a list of developers who are appropriate for each bug are provided. The evaluations show that the proposed method would be able to identify the right developer to address the comments with a precision of 74%. نظراتی که کاربران در فروشگاه‌های برنامک‌های همراه می‌نویسند و خطای برنامک‌ها را گزارش می‌کنند، می‌تواند در بهبود کیفیت نرم‌افزار‌ها تأثیر به‌سزایی داشته باشد. بنابراین در این پژوهش رویکردی بر اساس نظرات کاربران برای انتساب خطای برنامه به توسعه‌دهندگان برنامک‌ها بیان خواهد شد. این رویکرد با استفاده از داده‌های کامیت‌های برنامه تاریخچه‌ای از عملکرد توسعه‌دهندگان به دست می‌آورد و همچنین با استفاده از ایراداتی که توسعه‌دهندگان از قبل در برنامه رفع کرده‌اند در مورد سوابق آنها در رفع خطاهای برنامه اطلاعاتی کسب می‌کند. سپس با استفاده از ترکیب این دو معیار به هر توسعه‌دهنده آن نرم‌افزار برای رسیدگی به هر نظر امتیازی اختصاص می‌دهد تا فهرستی از توسعه‌دهندگان ارائه کند که به ترتیب اولویت برای رسیدگی به نظر مناسب هستند. ارزیابی این پژوهش از جنبه‌های مختلف در نهایت نشان می‌دهد که روش پیشنهادی با دقت ۷۴% قادر به شناخت توسعه‌دهنده مناسب برای رسیدگی به نظرات خواهد بود. هدف این پژوهش یک موضوع جدید است که پژوهش‌ دیگری حول آن انجام نگرفته و صرفاً باقی پژوهش‌ها راجع به دسته‌بندی نظرات کاربران بوده‌اند. بنابراین دقت ارزیابی این پژوهش نشان می‌دهد که انتساب اتوماتیک خطاهایی که در نظرات کاربران ذکر شده‌اند می‌تواند مفید واقع شود تا فرایند شناسایی و حل خطا بهبود یابد. http://ijece.org/ar/Article/Download/28830