軟件缺陷在軟件開發(fā)和維護(hù)過程中是不可避免的。及時地發(fā)現(xiàn)并修復(fù)軟件產(chǎn)品的缺陷可以有效的提高軟件產(chǎn)品的質(zhì)量,減少產(chǎn)品開發(fā)和維護(hù)的成本。軟件組織通常采用缺陷跟蹤系統(tǒng)來管理軟件產(chǎn)品的缺陷,并將缺陷以缺陷報告的形式存儲在跟蹤系統(tǒng)中。缺陷報告提供了關(guān)于缺陷的詳細(xì)信息,開發(fā)者可以基于這些信息對缺陷進(jìn)行定位和修復(fù),從而提高產(chǎn)品質(zhì)量。在軟件開發(fā)過程中,大量的缺陷報告存在于缺陷跟蹤系統(tǒng)中,項目管理者需要對缺陷報告進(jìn)行管理,以便盡快對缺陷進(jìn)行修復(fù),提高軟件開發(fā)效率。在管理過程中,通常面臨以下三個問題:如何自動識別含有重復(fù)缺陷的報告,從而減少重復(fù)缺陷帶來的額外工作量;如何快速確定缺陷報告的優(yōu)先級,以便合理的分派修復(fù)資源;如何精準(zhǔn)地為缺陷報告推薦合適的修復(fù)人員,從而降低缺陷報告的修復(fù)周期,提升修復(fù)效率。本文對這些問題進(jìn)行了較系統(tǒng)的研究,主要貢獻(xiàn)如下:(1)為了有效識別含有重復(fù)缺陷的報告,提出了基于詞向量模型和卷積神經(jīng)網(wǎng)絡(luò)模型的重復(fù)缺陷報告識別方法。詞向量模型解決了重復(fù)缺陷報告識別中的詞語層面的匹配缺口,卷積神經(jīng)網(wǎng)絡(luò)模型解決句子層面的匹配缺口。實驗結(jié)果顯示,該方法能夠有效地對重復(fù)缺陷報告進(jìn)行識別,并且詞向量和卷積神經(jīng)網(wǎng)絡(luò)模型均有助于提升重復(fù)缺陷報告識別的性能。(2)為了快速確定缺陷報告的優(yōu)先級,提出了主動半監(jiān)督的缺陷報告優(yōu)先級預(yù)測方法。從缺陷報告中抽取多維度的特征信息,采用機(jī)器學(xué)習(xí)中的主動學(xué)習(xí)和半監(jiān)督學(xué)習(xí)方法,有效解決了當(dāng)訓(xùn)練數(shù)據(jù)缺失時如何對缺陷報告的優(yōu)先級進(jìn)行預(yù)測的問題。實驗結(jié)果表明了該方法的有效性。(3)為了精準(zhǔn)地為缺陷報告推薦合適的修復(fù)人員,提出了基于人員能力和活躍度的缺陷修復(fù)人員推薦方法。首先采用三個啟發(fā)式實驗分析了人員能力、人員時間活躍度和空間活躍度在缺陷修復(fù)中的作用,然后提出了基于人員能力的模糊集模型、基于人員活躍度的緩沖池模型、及基于人員能力和活躍度的混合推薦算法。實驗結(jié)果顯示,該方法能夠以較高的推薦準(zhǔn)確度和較低的處理時間為缺陷報告推薦修復(fù)人員。(4)為了有效實現(xiàn)修復(fù)人員和缺陷的準(zhǔn)確匹配,提出了基于人員-缺陷契合程度和完成時間的最優(yōu)化缺陷修復(fù)人員匹配方法。用開發(fā)者能力與缺陷報告類型之間的匹配程度及缺陷報告的優(yōu)先級來共同建模人員-缺陷契合程度,用當(dāng)前所有開發(fā)者中最晚完成其所有任務(wù)的時間來衡量這批報告的最長時間;將該問題建模成多目標(biāo)優(yōu)化問題,并用實驗比較了貪心算法、遺傳算法以及深度優(yōu)先搜索算法的效果。
【學(xué)位單位】：華南理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2018
【中圖分類】：TP311.5
【部分圖文】：

第二章 相關(guān)理論及技術(shù)第二章 相關(guān)理論及技術(shù)2.1 軟件缺陷報告管理缺陷報告是用于追蹤軟件項目中的缺陷的一種軟件制品。缺陷報告提供了關(guān)于的詳細(xì)信息，因此開發(fā)者可以基于缺陷報告中的信息來定位和修復(fù)缺陷。一般的軟發(fā)過程會將缺陷報告存儲在缺陷跟蹤系統(tǒng)中，相關(guān)的開發(fā)人員和測試人員都可以對報告進(jìn)行查看，有權(quán)限的人還可以對其中的信息進(jìn)行修改[3-6, 45-49]。Bugzilla 和 Jira 是兩大最常用的缺陷跟蹤系統(tǒng)，用戶可以將自己項目產(chǎn)生的缺儲在這些缺陷跟蹤系統(tǒng)中，便于對這些缺陷進(jìn)行各種管理。圖 2-1 中給出 Bugzilla 中 Eclipse 項目的一個缺陷報告的示例。

圖 2-2 缺陷報告的生命周期[40]的缺陷報告被開發(fā)者提交時，最初的狀態(tài)是未確認(rèn)（unconf深開發(fā)人員確定這是一個缺陷時，該缺陷報告的狀態(tài)變?yōu)樾抡咭藏?fù)責(zé)將該缺陷報告分配給合適的開發(fā)者人員，讓他們進(jìn)的開發(fā)者叫做受托人（assignee），該缺陷報告的狀態(tài)變?yōu)橐逊滞瓿闪藢?yīng)的缺陷修復(fù)任務(wù)，那么該缺陷報告的狀態(tài)否則，項目管理者或者受托人會試圖找到其他合適的修復(fù)人管理者驗證該缺陷已經(jīng)成功修復(fù)了，他就會終止該缺陷修復(fù)變更為關(guān)閉（closed）。果某個開發(fā)者發(fā)現(xiàn)該缺陷并沒有完全修復(fù)，該缺陷報告應(yīng)的缺陷修復(fù)任務(wù)按照上面的步驟重新執(zhí)行。下，缺陷報告從提交到修復(fù)的過程中會包含三個階段：缺陷

即 p(wt|wt-1, … wt-n+1)。按照 Markov 鏈的假設(shè)，我們可以用每個詞出的乘積來估計這句話的概率：P( ) ∏ ( ) 基于n-gram的語言模型中，我們可以基于n-gram出現(xiàn)的頻率來計算詞語的 ( ) ( ) ( )設(shè)置 n=2，就是 bigram 模型，當(dāng) n=5 并且使用 Kneser-Ney 平滑時，則是帶m，后者常被作為語言模型的 baseline。神經(jīng)網(wǎng)絡(luò)中，我們用 softmax 層也實現(xiàn)了同樣的功能： ( )中 h 是網(wǎng)絡(luò)倒數(shù)第二層的輸出向量（圖 2-3 所示網(wǎng)絡(luò)模型的隱藏層），v’w 詞向量。
【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 賀巧龍;李東亮;;基于遺傳算法的函數(shù)優(yōu)化問題研究[J];軟件導(dǎo)刊;2009年06期

2 俞惠芳;;圖的遍歷的分析與算法設(shè)計[J];青海師范大學(xué)學(xué)報(自然科學(xué)版);2005年04期

3 張潔,朱莉娟;貪心算法與動態(tài)規(guī)劃的比較[J];新鄉(xiāng)師范高等�？茖W(xué)校學(xué)報;2005年05期

相關(guān)碩士學(xué)位論文 前2條

1 王彬;自動重復(fù)缺陷報告檢測方法研究[D];華東師范大學(xué);2016年

2 潘興亮;Mozilla缺陷報告?zhèn)}庫現(xiàn)狀研究及特征分析[D];大連理工大學(xué);2013年

本文編號：2871121