本文關(guān)鍵詞：基于Bug Report的降噪和缺陷定位研究

  更多相關(guān)文章： 軟件演化 bug report分類 缺陷定位 文本挖掘

【摘要】：在軟件開發(fā)與維護(hù)的過程中,缺陷追蹤系統(tǒng)得到了廣泛的運(yùn)用。研究人員利用從缺陷追蹤系統(tǒng)中獲取的歷史數(shù)據(jù)進(jìn)行各方面的預(yù)測,如缺陷定位。但研究表明缺陷追蹤系統(tǒng)中約有三分之一的bug report是非修正性錯誤且這些噪聲對基于bug report的預(yù)測模型的有效性具有潛在的影響。因此,在進(jìn)行基于bug report的缺陷定位之前,必須人工對從缺陷追蹤系統(tǒng)中抽取的bug report進(jìn)行預(yù)處理,從而盡量去除那些非修正性的報告。為了減少這些噪聲,減輕開發(fā)人員的負(fù)擔(dān),本文提出了一個多階段的方法對bug report進(jìn)行自動的重新分類。本文利用來自多個缺陷追蹤系統(tǒng)中的十個大型開源項目的bug report驗證了所提出的多階段分類方法的有效性。在保證bug report的純度之后,修正性維護(hù)最重要的一步就是對這些缺陷進(jìn)行定位和修正。然而,人工進(jìn)行缺陷定位需要比較高的專業(yè)知識且為開發(fā)人員增加了額外的負(fù)擔(dān)。本文提出了一個結(jié)合bug report文本詞性與源文件調(diào)用關(guān)系的自動化缺陷定位方法。除此之外,本文還提出了一個調(diào)整空間向量模型詞項權(quán)值的方法,用來增加bug report文本中名詞在模型中的權(quán)值并且創(chuàng)建了一個源文件調(diào)用關(guān)系庫用以準(zhǔn)確快速的獲得調(diào)用文件,通過對比實(shí)驗,驗證了所提出方法的有效性。
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP311.5
，

本文編號：1169979