一種基於多特徵缺陷再分配圖分配缺陷報告的方法

2023-09-22 23:27:55 2

專利名稱：一種基於多特徵缺陷再分配圖分配缺陷報告的方法
技術領域：
本發明涉及一種缺陷分配的方法，主要利用缺陷報告的分配歷史創建缺陷再分配圖，結合缺陷再分配圖實現缺陷報告的分配，屬於數據挖掘和機器學習領域。
背景技術：
缺陷是軟體中的錯誤，表示給定需求的軟體開發過程中的一些意外行為[I]。及時的識別和糾正軟體缺陷對軟體工程實踐來說至關重要，為了處理大量的缺陷報告，軟體追蹤系統如Bugzilla已被廣泛使用，而大部分缺陷報告都是手動地分配開發人員，這種分配方式既耗時又浪費人力；Mozilla和Eclipse工程每天會接收幾百個缺陷報告，再從幾千個開發人員中選擇一個開發人員來修復這個報告；為缺陷報告分配好開發人員後，開發人員還會將缺陷報告分配給其他的開發人員，即缺陷報告再分配；軟體工程中幾乎有一半的缺陷報告會出現再分配，缺陷報告再分配會增加缺陷修復過程的耗時，及時準確地為缺陷報告找到開發人員，可以提高缺陷修復的效率[2]。Syed Nadeem Ahsan提出基於潛在語義索引和支持向量機的自動缺陷分配系統，選取部分已經修復的缺陷報告作為數據集，獲取缺陷報告的詞條文檔矩陣和修復缺陷報告的開發者信息，用處理好的數據集訓練機器學習模型，該方法雖能自動為缺陷分配開發人員，但分配的準確率很低[3] ；Gaeul Jeong提出了基於缺陷再分配圖的缺陷分配,該方法利用已經修復的缺陷報告訓練機器學習模型和創建缺陷再分配圖，用缺陷再分配圖更新缺陷修復人員，該方法較好地提高了缺陷分配的準確率，但搜索失敗率還是較高。Pamela Bhattacharya提出使用基於細粒度的逐漸積累學習和多特徵的缺陷再分配圖提高缺陷再分配[4]，該方法是選取一部分已經修復的缺陷報告，建立一個缺陷再分配圖，並將開發人員修復的缺陷所屬的產品和部件，以及開發人員最後修復的時間加入缺陷再分配圖，在訓練機器學習模型時，用測試集中的每個缺陷報告更新訓練集和缺陷再分配圖，該方法能有效地提高缺陷分配的預測精度，但該方法很耗時；[l]Naresh Kumar Nagwani and Dr.Shrish Verma. Predictive Data MiningModel for Software Bug Estimation Using Average Weighted Similarity. AdvanceComputing Conference (IACC)，2010IEEE 2nd International, page (s) :373-378.[2]G. Jeong, S. Kim, and T. Zimmermann，「Improving bug triage with bugtossing graphs，，，in Proceedings of the 7 th joint meeting of the Europeansoftware engineering conference and the ACM SIGS0FT symposium on Thefoundations of software engineering on European software engineering conferenceand foundations of software engineering symposium. ACM, 2009, pp.111-120.[3]Syed Nadeem AhsaniJaved Ferzund and Franz Wotawa. 「Automatic SoftwareBug Triage System(BTS)Based on Latent Semantic Indexing and Support VectorMachine」. 2009Fourth International Conference on Software Engineering Advances.IEEE. 2009.
[4]P. Bhattacharya and I. Neamtiu,「Fine-grained incremental learning andmulti-feature tossing graphs to improve bug triaging,^Proc. IEEE Intl. Conf.Software Maintenance(ICSM 10), IEEE, Sept. 2010，pp.1-10.

發明內容
技術問題本發明的目的是提供ー種基於多特徵缺陷再分配圖分配缺陷報告的方法。以往預測方法主要通過機器學習模型來預測缺陷修復人員，該方法預測精度低，不能有效處理缺陷再分配問題以及減少再分配路徑長度。本發明提出的基於多特徵的缺陷再分配圖預測缺陷修復人員方法，結合缺陷再分配圖，找到缺陷修復人員之間的關係，再綜合考慮缺陷修復者已修復缺陷所屬的產品和部件，及缺陷修復者最後參與缺陷修復的時間，預測缺陷修復人員。 技術方案本發明的ー種基於多特徵缺陷再分配圖分配缺陷報告的方法主要分為以下步驟一 .訓練階段獲取數據集中標記為已修復的缺陷報告，訓練機器學習模型和建立缺陷再分配圖；步驟I)讀入取缺陷報告，選取標記為已修復的缺陷報告；步驟2)將步驟I)得到的缺陷報告按時間排序，平均分成十份，九份用於訓練機器學習模型，ー份用於測試集；步驟3)逐一讀取訓練集中的缺陷報告，獲取修復缺陷報告的開發人員之間的再分配路徑關係，即A — B — C — D ;其中A表示修復缺陷報告的第一個開發人員，A不能修復該缺陷報告，則將缺陷報告再分配給開發人員B，B也不能修復，將缺陷報告再分配給開發人員C，C再分配給開發人員D，缺陷報告最終由開發人員D修復；步驟4)將由步驟3)得到的再分配關係轉化面向目標的路徑圖，即A — D，B —D，C —D，用公式(I)計算各個開發人員之間的狀態轉移概率，繪製缺陷再分配權利要求
1.一種基於多特徵缺陷再分配圖分配缺陷報告的方法，其特徵在於該方法主要分為以下步驟一.訓練階段獲取數據集中標記為已修復的缺陷報告，訓練機器學習模型和建立缺陷再分配圖；步驟I)讀入取缺陷報告，選取標記為已修復的缺陷報告；步驟2)將步驟I)得到的缺陷報告按時間排序，平均分成十份，九份用於訓練機器學習模型，一份用於測試集；步驟3)逐一讀取訓練集中的缺陷報告，獲取修復缺陷報告的開發人員之間的再分配路徑關係，即A — B — C — D ;其中A表示修復缺陷報告的第一個開發人員，A不能修復該缺陷報告，則將缺陷報告再分配給開發人員B，B也不能修復，將缺陷報告再分配給開發人員 C，C再分配給開發人員D，缺陷報告最終由開發人員D修復；步驟4)將由步驟3)得到的再分配關係轉化面向目標的路徑圖，即A —D，B —D，C —D， 用公式(I)計算各個開發人員之間的狀態轉移概率，繪製缺陷再分配全文摘要
基於多特徵缺陷再分配圖分配缺陷報告的方法綜合運用機器學習模型和缺陷再分配圖預測缺陷修復人員，用已修復的缺陷報告中開發人員之間的再分配關係，將再分配關係轉化為缺陷再分配圖，使用機器學習模型預測完缺陷報告開發人員後，結合缺陷再分配圖更新缺陷報告開發人員，完成缺陷報告修復人員的預測；具體方法為以下步驟步驟1)對選取的缺陷報告數據集進行分類，分為訓練集和測試集；步驟2)用訓練集來訓練機器學習模型和創建缺陷再分配圖；步驟3)用機器學習模型預測測試集的缺陷修復人員；步驟4)結合缺陷再分配圖更新缺陷修復人員；通過使用本發明的方法，能有效地減少缺陷再分配的路徑長度，提高缺陷分配的預測精度，降低缺陷修復人員搜索的失敗率。
文檔編號G06F11/36GK102629230SQ20121005782
公開日2012年8月8日 申請日期2012年3月7日 優先權日2012年3月7日
發明者周國富, 周國強, 張衛豐, 張迎周, 張靜, 王慕妮, 許碧歡, 陸柳敏, 顧賽賽 申請人:南京郵電大學