点击次数：

论文类型：期刊论文

发表时间：2019-01-16

发表刊物：计算机工程

收录刊物：PKU

卷号：45

期号：8

页面范围：80-85

ISSN号：1000-3428

关键字：开源软件;软件缺陷报告;特征选择;机器学习;严重性评估;修复率

摘要：针对Bugzilla缺陷跟踪系统的Eclipse项目软件缺陷报告数据集,使用特征选择和机器学习算法对向量化的原始数据进行特征降维、权重优化等处理,得到数据维度较低的优化数据集,并采用分类算法评估软件缺陷报告严重程度.通过对4种特征选择算法及4种机器学习算法处理结果的交叉对比表明,使用信息增益特征选择算法对原始数据集进行特征优化,并结合多项式贝叶斯算法对优化数据集进行训练与测试,可使软件缺陷报告严重性预测的AUROC值提高至0.767.