In software engineering (SE) tasks, the naming approach is so important that it attracts many scholars from all over the world to study how to improve the quality of method names. To accurately recommend method names, we employ a novel framework to handle this problem. In our expeirments, nearly 8 million Java methods are collected from open source organizations as our evaluation dataset. In the first-phase recommendation, we introduce a fast and simple classifier based on the fast text neural network for reccomending potential method category. In the second-phase recomendation, we employ both two Long Short Term Memory Networks to reccomend consitent method names from each classification. Evaluation results prove that the proposed approach significantly outperforms state-of-the-art approach.
RACK: Automatic API Recommendation using Crowdsourced Knowledge
传统的代码搜索引擎通常不能很好地执行自然语言查询，因为它们主要应用关键字匹配。因此，这些引擎需要精心设计的查询，其中包含有关代码搜索编程API的信息。不幸的是，现有的研究表明，准备一个有效的代码搜索查询是既具有挑战性和耗时的开发人员。在本文中，我们提出了一种新的API推荐技术--RACK，它通过利用Stack Overflow的众包知识中的关键字-API关联，为代码搜索的自然语言查询推荐相关API列表。我们首先使用11个核心Java包和来自Stack Overflow的344 K Java帖子进行探索性研究来激励我们的技术。使用150个代码搜索查询随机选择的三个Java教程网站的实验表明，我们的技术建议正确的API类的前10名的结果约79%的查询，这是非常有前途的。与最先进技术的两个变体的比较还表明，RACK不仅在Top-K准确率方面，而且在平均平均精确率和平均召回率方面都大大优于它们。
Java File Security System (JFSS) Evaluation Using Software Engineering Approaches
Java文件安全系统（JFSS）[1]是由我们开发的。那是一个加密的文件系统。它是由我们开发的，因为有这么多的文件数据泄露在过去和当前的历史，他们会增加一天一天的报告由DataLossDB（开放安全基金会）组织，在美国的一个非营利组织，所以它是. JFSS的评价方面的两个软件工程的方法。其中之一是软件产品开发中的代码行数（Lines of Code，简写为CODE）。另一种方法是面向客户的，即用户满意度测试方法。满足我们的客户是在全球竞争的现代世界中保持业务的基本要素。我们必须用我们的软件产品和服务的价值来满足甚至取悦我们的客户，以获得他们的忠诚度和回头客。因此，客户满意度是过程改进计划以及软件质量预测的主要目标。借助用户满意度指数，计算出有关客户满意度的许多参数。客户满意度调查是了解我们产品质量满意度的最佳方法。
Mercem: Method Name Recommendation Based on Call Graph Embedding
Graduate School of System and Information Engineering, University of Tsukuba（筑波大学系统与信息工程研究生院）；Faculty of Engineering, Information and Systems, University of Tsukuba（筑波大学工程、信息与系统学院）；Center for Computational Sciences, University of Tsukuba（筑波大学计算科学中心）
