软件缺陷报告间相关性自动分析方法的研究

admin · 发表于 2025-3-11 14:59:11

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
随着软件项目规模的不断增长，特别是软件产品的持续演化，使得软件维护工作日趋复杂。为了有效地管理和监控软件生命周期中发现的软件缺陷及其修改过程，软件组织大多利用软件缺陷管理系统（如常用的开源软件缺陷包管理系统Bugzilla等）来管理所有的软件缺陷报告。在软件生命周期中，通过对其进行不断的测试，将会产生各种各样的缺陷报告，而在这些缺陷报告间是存在相关性的。这种相关性主要体现在缺陷外部表现、产生原因、代码环境及解决方法等方面。缺陷报告间相关性分析有助于过滤重复缺陷报告；有助于开发人员将相关的缺陷报告进行统一的分析和修改，以避免对该缺陷的修复而引起其他新的缺陷；提供缺陷报告的扩展信息或修复缺陷的参考方法，从而有利于提高软件测试的效率和软件质量。然而在数据庞大的缺陷历史记录中，人工分析缺陷报告间的相关性需要耗费大量时间和精力，所以自动分析软件缺陷报告间的相关性具有重要意义。当前缺陷报告间相关性自动分析的研究主要是基于信息检索模型，如空间向量模型，通过缺陷报告间的文本相似度计算来分析相关性。但由于文本信息（包括缺陷主题和详细描述）通常描述缺陷的外部表现，而无法刻画缺陷的内部特征，且由于自然语言本身具有多义性和不确定性，使缺陷报告间相关性自动分析的结果并不理想。在当前研究的基础上，本文提出一种自动分析软件缺陷报告间相关性的方法，该方法需要提取缺陷报告中另一项有价值的信息——结构化信息，该类信息包括补丁信息、异常堆栈信息和代码片段信息，由于这类信息具有显著的结构特征，故称之为“结构化信息”，该类信息通常反映缺陷的内部特征，如代码环境和产生原因等。本文通过计算文本信息相似度和结构化信息相似度，从缺陷外部和内部来共同衡量缺陷报告间的相关性。为了验证本文提出的缺陷报告间的相关性分析方法的有效性，我们从Eclipse系统中抽取了10,000个缺陷报告作为实验数据，结果表明，对比仅使用文本信息相似度来自动分析缺陷报告间相关性的实验结果，增加结构化信息相似度计算可以在保证查准率在90%左右的条件下，将查全率从45%提高到85%左右。

软件缺陷报告间相关性自动分析方法的研究

天涯海角也要找到Ni：软件缺陷报告间相关性自动分析方法的研究

相关帖子

浏览过的版块

QQ微信同步：1144766066。

服务

网站

战略合作