開源軟件開發(fā)過程中,缺乏專門的測試人員、開發(fā)人員流動性大、大量集成第三方庫和框架等特點,使其缺陷修復、尤其是應用編程接口（Application Programming Interfaces,API）相關缺陷修復面臨巨大挑戰(zhàn)。具體而言,上述特點導致:1)大部分缺陷報告通常只包含功能失效描述,缺乏功能實現(xiàn)代碼線索;2)參于項目的開發(fā)人員往往缺乏必要的業(yè)務功能與實現(xiàn)代碼關聯(lián)知識;3)開發(fā)人員較難掌握種類繁多的第三方庫或框架提供的API正確使用知識。這些因素最終導致,當開發(fā)人員試圖處理缺陷報告時,難以定位相關實現(xiàn)代碼,而對于API相關缺陷,即使確定了代碼范圍,也難以理解代碼并找到缺陷產(chǎn)生的原因。為此,需要提供一種基于缺陷報告的API缺陷自動修復技術幫助開源軟件開發(fā)人員提高缺陷修復效率。開源代碼托管平臺為開源軟件開發(fā)提供了缺陷跟蹤和代碼庫管理等功能,其缺陷跟蹤系統(tǒng)中積累了大量已修復缺陷報告和對應的代碼變動信息,而其代碼庫中也積累了大量各類API使用代碼。為此,本文基于機器學習的相關技術首先從缺陷跟蹤系統(tǒng)積累的數(shù)據(jù)中學習出業(yè)務功能與實現(xiàn)代碼關聯(lián)知識,幫助開發(fā)人員定位缺陷報告關聯(lián)的代碼,接著從代碼... 

【文章來源】：南京大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：109 頁

【學位級別】：碩士

【部分圖文】：

圖３－２：缺陷報告和其修復源文件名的詞共現(xiàn)現(xiàn)象??圖３－２是一個己解決的缺陷報告＠的描述文本以及其對應的修復源文件??名

?ｌ?Ｐｒｅｄｉｃｔｉｏｎ?Ｍｏｄａｌ?）??Ｒａｎｋｅｄ?Ｒｅｓｕｌｔｓ??圖３－４：缺陷定位過程圖??圖３－４展示了基于缺陷報告的缺陷定位方法的整體流程。首先為了得到訓??練數(shù)據(jù)，需要收集缺陷追蹤系統(tǒng)中狀態(tài)為已解決的缺陷報告以及其對應的修復??關系，利用已有的數(shù)據(jù)訓練出本文所采用的缺陷定位預測模型。對于用戶輸入??的新的缺陷報告，根據(jù)訓練好的缺陷定位預測模型可以得到排序好的疑似存在??缺陷的源文件列表，下面對方法的數(shù)據(jù)處理以及具體模型進行詳細介紹。??３．２．２數(shù)據(jù)處理??首先需要對數(shù)據(jù)進行預處理，對于每一個項目，可以從對應的ＢｕｇＺｉｌｌａ網(wǎng)??站上獲取其所有的缺陷報告，再從收集到的缺陷報告中，篩選出狀態(tài)為Ｈｘｅｄ??的缺陷報告來進行實驗評估。為了匹配缺陷報告與其對應的修復文件，本文采??取了?Ｂａｃｈｍａｎｎ與Ｂｅｍｓｔｅｉｎｌｎ５１提出的傳統(tǒng)啟發(fā)式方法：??

于缺陷報告的缺陷定位方法的整體流程陷追蹤系統(tǒng)中狀態(tài)為已解決的缺陷報告據(jù)訓練出本文所采用的缺陷定位預測模據(jù)訓練好的缺陷定位預測模型可以得到，下面對方法的數(shù)據(jù)處理以及具體模型進理??進行預處理，對于每一個項目，可以從缺陷報告，再從收集到的缺陷報告中，驗評估。為了匹配缺陷報告與其對應的ｅｍｓｔｅｉｎｌｎ５１提出的傳統(tǒng)啟發(fā)式方法：??


本文編號：3342090