在軟件開發(fā)中,開發(fā)人員通常會收到描述軟件產品異常行為的bug報告。當收到新的bug報告時,開發(fā)人員需要重現(xiàn)bug報告描述的缺陷并執(zhí)行代碼審查以找到原因,該過程可能是乏味且耗時的。為了減輕開發(fā)人員查找軟件缺陷的工作量,本論文提出了相應的缺陷代碼定位方法,這些方法可以對給定bug報告所對應的源代碼文件進行排序,從而為找到bug報告所對應含有缺陷的源代碼文件提供幫助。論文采用兩類方法對缺陷代碼定位進行了研究,一類方法是基于向量空間模型和詞嵌入進行缺陷代碼定位,這種方法可以應用于規(guī)模相對較小的數(shù)據集;另一類方法是基于深度學習的方法,一般用于規(guī)模較大的數(shù)據集,該類方法使用卷積神經網絡提取bug報告與源代碼文件的詞表面相關性特征和語義相關性特征進行缺陷代碼定位,以及使用多尺度的卷積神經網絡提取bug報告與源代碼文件的語義特征和結構特征進行缺陷代碼定位。論文主要研究工作包括:（1）闡述了缺陷代碼定位的研究背景、研究動機和研究現(xiàn)狀,介紹了軟件工程中缺陷定位的相關技術,包括bug報告的結構以及缺陷代碼定位的基本思想、相關模型以及算法;闡述了文本檢索和自然語言處理相關技術及其在缺陷代碼定位中的應用,同時為... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：120 頁

【學位級別】：博士

【部分圖文】：

論文各章內容之間的關系

Eclipse編號為326924的bug報告Fig2.2BugreportofEclipseforbugID=“326924”

編號為326924的bug報告的評論列表


本文編號：2959340