SentiCR: 코드 리뷰 상호작용을 위한 맞춤형 감성 분석 도구

소셜 미디어 텍스트나 제품 리뷰를 분석하기 위해 개발된 감성 분석 도구는 소프트웨어 공학(SE) 데이터셋에서 성능이 좋지 않습니다. 기존 연구에서 개발자들이 다양한 SE 활동 중에 감정을 표현한다는 사실이 발견되었기 때문에 SE 도메인을 위한 맞춤형 감성 분석 도구의 필요성이 대두되었습니다. 이를 위해 우리는 2000개의 리뷰 코멘트를 수동으로 라벨링하여 훈련 데이터셋을 구축하고, 이 데이터셋을 사용하여 7개의 인기 있는 감성 분석 도구를 평가했습니다. 기존 감성 분석 도구의 저조한 성능은 우리가 코드 리뷰 코멘트를 위해 특별히 설계된 감성 분석 도구인 SentiCR을 구축하도록 동기를 부여했습니다. 우리는 8개의 감독 학습 알고리즘에 대해 100번의 10겹 교차 검증을 사용하여 SentiCR을 평가했습니다. 그 결과, Gradient Boosting Tree (GBT) 알고리즘을 사용해 훈련된 모델이 부정 리뷰 코멘트를 식별하는 데 있어 평균 정확도 83%, 평균 정밀도 67.8%, 평균 재현율 58.4%로 가장 높은 성능을 보였습니다.