基于LDA的軟件缺陷組件預(yù)測(cè)研究與實(shí)現(xiàn).pdf

1、軟件缺陷是指軟件中存在的一種對(duì)系統(tǒng)正常運(yùn)行造成影響的錯(cuò)誤狀態(tài)。研究者們根據(jù)軟件的規(guī)模、復(fù)雜度、編程語(yǔ)言等提出了一些軟件缺陷評(píng)估和預(yù)測(cè)的方法，并且取得了一定的成績(jī)。然而現(xiàn)階段仍然有一些問題沒有得到很好的解決，例如在分析軟件語(yǔ)義信息對(duì)軟件缺陷影響的問題。本文提出了一種基于主題模型的方法來預(yù)測(cè)軟件缺陷，該方法結(jié)合軟件語(yǔ)義信息和軟件規(guī)模來研究軟件缺陷問題。研究對(duì)象為存儲(chǔ)在軟件版本控制系統(tǒng)（如GIT）中的軟件源代碼以及由Bugzilla收集的缺陷

2、信息。研究方法是使用主題模型對(duì)軟件源代碼進(jìn)行語(yǔ)義挖掘和分析。在主題提取上，采用了潛在狄利克雷分布Latent Dirichlet Allocation（簡(jiǎn)稱LDA）技術(shù)。主要工作內(nèi)容如下：
　?、僭谲浖创a和缺陷信息的數(shù)據(jù)抽取與預(yù)處理上，運(yùn)用基于Lucene的預(yù)處理工具PRETREATMENT，實(shí)現(xiàn)源代碼分詞、提取詞干、去標(biāo)識(shí)符等操作。
　?、跒榻鉀Q基于軟件規(guī)模、復(fù)雜度的缺陷預(yù)測(cè)方法中存在的同義與多義問題，提出了基于軟件語(yǔ)

3、義信息挖掘的軟件組件缺陷預(yù)測(cè)方法，并利用Eclipse平臺(tái)完成核心算法的編寫。
　?、墼趹?yīng)用LDA進(jìn)行主題建模時(shí)，針對(duì)原有的組件缺陷預(yù)測(cè)方法進(jìn)行了三點(diǎn)改進(jìn)：第一是在源代碼預(yù)處理中保留用戶注釋信息，軟件開發(fā)過程中注釋信息往往起到舉足輕重的作用，本文研究中將注釋信息作為一種單獨(dú)的預(yù)測(cè)資源來輔助預(yù)測(cè)；第二是在構(gòu)建主題模型時(shí)，加入了軟件缺陷信息，提出并定義了結(jié)合軟件語(yǔ)義信息和缺陷信息的主題缺陷密度。第三是通過挖掘軟件版本之間主題的內(nèi)在信息