上下文:受其他领域深度学习成功的启发,这项新技术近来引起了广泛的兴趣,希望将其应用于软件工程中的各种数据分析问题。 已经提出了许多深度学习模型,例如CNN,DBN,RNN,LSTM和GAN,并且最近将其应用于软件工程任务,包括工作量估算,漏洞分析,代码克隆检测,测试用例选择,需求分析等。 但是,有一种看法认为,如果可以将深度学习应用于软件工程数据分析问题,那么它就是“灵丹妙药”。对象。这促使我们提出一个问题,即深度学习是否比传统方法更好。方法。在本文中,我们通过在软件信息站点的标签推荐任务中应用最新的深度学习方法和一些传统方法来测试此问题。 这是一个典型的软件工程自动化问题,需要大量的数据处理来链接不同的信息以帮助开发人员。 实施了四种不同的深度学习方法-TagCNN,TagRNN,TagHAN和TagRCNN-并将其与三种先进的传统方法-EnTagRec,TagMulRec和FastTagRec进行比较。结果。我们的综合实验结果表明,这些不同的深度学习方法的性能差异很大。 在标签推荐任务中,TagRNN和TagHAN方法的性能比传统方法差。 在标签推荐任务中,TagCNN和TagRCNN方法的性能优于传统方法。