Back to the Basics: Rethinking Issue-Commit Linking with LLM-Assisted Retrieval

文章主要内容和创新点主要内容本文聚焦于软件维护中的问题-提交关联（issue-commit linking）任务，即建立bug报告等问题与修复它们的代码提交之间的关联。现有方法在评估时存在局限性：评估数据集的虚假链接分布不真实（如虚假链接数量与真实链接接近，或时间窗口过窄），导致无法反映实际场景中大量无关提交对关联任务的干扰。为此，作者提出真实分布设置（Realistic Distribution Setting, RDS），构建了包含20个开源项目的更真实评估数据集（含9319个问题，平均每个问题1530个虚假链接）。在该数据集上的实验显示，最先进的深度学习方法（如EALink）性能下降超一半，而传统信息检索方法（如VSM）表现更优。基于此，作者提出EasyLink方法：结合现代向量数据库（如FAISS）进行高效检索，再利用大语言模型（LLM，如GPT-4o）对检索结果重新排序，以解决问题与提交之间的语义鸿沟。实验表明，EasyLink的平均Precision@1达75.91%，远超现有方法4倍以上。创新点构建真实评估数据集：提出RDS，根据仓库提交频率动态生成虚假链接，更贴近实际开发场景。大规模综合基准：整合20个开源项目的9319个问题，平均每个问题1530个虚假链接，是目前该领域最大数据集。重新评估现有方法