Data Preparation for Deep Learning based Code Smell Detection: A Systematic Literature Review

代码异味检测（CSD）在提高软件质量和可维护性方面起着至关重要的作用。深度学习（DL）技术因其卓越的性能而成为CSD的一种有前途的方法。然而，基于DL的CSD方法的有效性严重依赖于训练数据的质量。尽管其重要性，但很少关注分析数据准备过程。这项系统文献综述分析了DL-based CSD方法中使用的数据准备技术。我们确定了36篇相关论文，截至2023年12月发表，并对构建CSD数据集中的关键考虑因素进行了彻底分析，包括数据需求、收集、标记和清理。我们还总结了文献中的七个主要挑战及相应的解决方案。最后，我们提供了可操作的建议，以准备和访问高质量的CSD数据，强调数据多样性、标准化和可访问性的重要性。这项调查为研究人员和从业者提供了有价值的见解，以充分利用DL技术在CSD中的潜力。

本文旨在分析深度学习在代码异味检测中的数据准备技术，探讨数据准备对于模型性能的影响。

本文通过系统文献综述的方法，总结了36篇相关论文，分析了代码异味检测数据集构建的关键问题，包括数据需求、采集、标注和清洗。并提出了七个主要挑战及其解决方案，最后给出了数据准备的可操作建议。

本文指出了数据准备对于深度学习代码异味检测模型性能的重要性，强调了数据多样性、标准化和可访问性的重要性。此外，本文还总结了当前代码异味检测领域的研究进展和开源数据集。

在这个领域中，最近的相关研究包括《A Survey on Deep Learning Techniques for Software Defect Prediction》、《Code Smell Detection: Towards a Machine Learning-Based Approach》等。