1. 论文阅读

a) Summarizing software artifacts: a case study of bug reports（ICSE 2010）

b) Modelling the ‘Hurried’ Bug Report Reading Process to Summarize Bug Reports（ESE 2015）

两篇文章介绍了如何自动化抽取bug report的summary，帮助更好理解bug report。主要思想是提取bug report描述和讨论中关键短语。根据人为定义的特征（包括评论时间，第x条评论，作者评论等）使用机器学习分类方法，提取关键短语进行整合。

借鉴之处：利用他们的方法得到代码文件summary

不同之处：已有的方法缺少对自然语言处理方法的使用，同时仅仅局限在bug report中，我们可以通过适当的改进让方法可以使用我们的summary提取。

c) ChangeScribe: A Tool for Automatically Generating Commit Messages（ICSE 2015）

这篇文章介绍了自动提取commit message的方法，即如何分析版本之间的代码变更，生成可理解的注释。

借鉴之处：我们的summary文本信息中包括代码级信息，因此可以借鉴这种方法，看直接通过代码信息能不能生成有用的文本描述。

d) Deep API Learning（FSE 2016）

这篇文章是曾雅蓉在师门报告会上介绍的文章

借鉴之处：里面介绍了根据注释信息提取summary的思路，虽然文中使用的方法比较简单，而且仅仅是针对java项目的，但是我们可以借鉴并应用到其他项目中，观察使用效果。

2. 研究点（生成开源代码文件summary）

可以利用的文本信息包括：

a) issue/pr描述信息和评论信息（处理方法如1.a/1.b）；

b) commit message信息（处理方法考虑同issue和pr的处理方法）；

c) 代码内部的注释信息（处理方法如1.d）；

d) 代码（处理方法如1.c）

3. 下一步工作

a) 帮助杨程师兄完成论文的扩展工作

b) 复现论文1.a/1.b中的方法，初步完成对issue和pr文本信息的处理。

1. 论文阅读

a) Summarizing software artifacts: a case study of bug reports（ICSE 2010）

b) Modelling the ‘Hurried’ Bug Report Reading Process to Summarize Bug Reports（ESE 2015）

两篇文章介绍了如何自动化抽取bug report的summary，帮助更好理解bug report。主要思想是提取bug report描述和讨论中关键短语。根据人为定义的特征（包括评论时间，第x条评论，作者评论等）使用机器学习分类方法，提取关键短语进行整合。

借鉴之处：利用他们的方法得到代码文件summary

不同之处：已有的方法缺少对自然语言处理方法的使用，同时仅仅局限在bug report中，我们可以通过适当的改进让方法可以使用我们的summary提取。

c) ChangeScribe: A Tool for Automatically Generating Commit Messages（ICSE 2015）

这篇文章介绍了自动提取commit message的方法，即如何分析版本之间的代码变更，生成可理解的注释。

借鉴之处：我们的summary文本信息中包括代码级信息，因此可以借鉴这种方法，看直接通过代码信息能不能生成有用的文本描述。

d) Deep API Learning（FSE 2016）

这篇文章是曾雅蓉在师门报告会上介绍的文章

借鉴之处：里面介绍了根据注释信息提取summary的思路，虽然文中使用的方法比较简单，而且仅仅是针对java项目的，但是我们可以借鉴并应用到其他项目中，观察使用效果。

2. 研究点（生成开源代码文件summary）

可以利用的文本信息包括：

a) issue/pr描述信息和评论信息（处理方法如1.a/1.b）；

b) commit message信息（处理方法考虑同issue和pr的处理方法）；

c) 代码内部的注释信息（处理方法如1.d）；

d) 代码（处理方法如1.c）

3. 下一步工作

a) 帮助杨程师兄完成论文的扩展工作

b) 复现论文1.a/1.b中的方法，初步完成对issue和pr文本信息的处理。