Pendanaan: Pekerjaan ini didukung sebagian oleh Yayasan Inovasi dan Pengembangan Ilmu Pengetahuan Alam Chongqing (No. CSTB2024NSCQ-LZX0035), Proyek Penelitian Ilmu Pengetahuan dan Teknologi Komisi Pendidikan Chongqing (No. KJZD-M202300605), Proyek Rencana Bakat Inovasi Pemuda Chongqing Baru (No. CSTB2024NSCQ-QCXMX0053), Proyek Umum Khusus untuk Inovasi Teknologi dan Pengembangan Aplikasi Chongqing (CSTB2024TIAD-KPX0073, CSTB2024TIAD-KPX0101 dan CSTB2024TIAD-KPX0027), Proyek Bakat Pemuda “Rencana Yongjiang” Nanning (RC20230107), Proyek Khusus Panduan Insentif Kinerja Lembaga Penelitian Chongqing (No. CSTB2023JXJL-YFX0013), dan Proyek Umum Khusus untuk Inovasi Teknologi dan Pengembangan Aplikasi Chongqing (CSTB2022TIAD-GPX0028).

ABSTRAK

Kolaborasi yang efektif di antara pengembang perangkat lunak sangat bergantung pada kemampuan mereka untuk berkomunikasi secara efisien, dengan emosi memainkan peran penting dalam proses ini. Emosi banyak digunakan dalam pengambilan keputusan manusia, sehingga alat otomatis untuk klasifikasi emosi dalam saluran komunikasi pengembang menjadi penting. Alat-alat ini dapat meningkatkan produktivitas dan kolaborasi dengan meningkatkan kesadaran akan emosi sesama pengembang. Pendekatan sebelumnya, seperti HOMER, RAKEL, dan EmoTxt, telah diusulkan untuk mengklasifikasikan emosi dalam kumpulan data Stack Overflow dan Jira dengan tingkat ketelitian yang lebih baik. Namun, alat-alat ini menghadapi tantangan kinerja. Untuk mengatasi keterbatasan ini, kami bertujuan untuk meningkatkan kinerja klasifikasi emosi multilabel dengan memanfaatkan TextCNN, penyematan kata, dan pengoptimalan hiperparameter. Kami memvalidasi kinerja metode ini dengan membandingkannya dengan metode terbaik sebelumnya untuk klasifikasi emosi dalam teks rekayasa perangkat lunak. Pendekatan ini mencapai skor F1-Micro sebesar 84,6001% pada dataset Jira dan 76,9366% pada dataset Stack Overflow, yang menunjukkan peningkatan masing-masing sebesar 3,5001% dan 8,6366%. Kemajuan ini menggarisbawahi potensi metode ini dalam meningkatkan kinerja klasifikasi emosi, sehingga mendorong kolaborasi dan produktivitas yang lebih baik di antara pengembang perangkat lunak.