基于特征选择的软件缺陷报告严重性评估

• 作者: 刘文杰 江贺
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 体系结构与软件技术
• 页码范围: 80-85
• 页数: 6页
• 分类号: TP39
• 字数: 4926字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053297

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江贺	大连理工大学软件学院	47	513	12.0	21.0
2	刘文杰	大连理工大学软件学院	23	207	8.0	14.0