|
|||||
|
|
| 基于FARM降低系统性偏差的缺陷修复时间预测方法 | |
| 作者单位： | ;1.中国科学院大学;2.中国科学院软件研究所互联网软件技术实验室;3.中国科学院软件研究所计算机科学国家重点实验室 |
| 摘 要： | 缺陷修复时间预测能够帮助开源社区管理者精确地估计缺陷修复工作量,实现缺陷修复人员的优化分配。缺陷追踪库Bugzilla是开源社区缺陷修复数据的主要来源。在实际使用中,缺陷追踪库除被用作记录缺陷之外,还被用于记录用户对软件产品不足之处的投诉,以及软件功能相关讨论。缺陷追踪库的混合使用给缺陷修复时间预测带来系统性偏差。为降低系统性偏差对预测结果的影响,给出基于模糊关联规则挖掘FARM(Fuzzy Association Rules Mining)降低系统性偏差的缺陷修复时间预测方法。该方法通过分析历史数据生成模糊关联规则来过滤系统性偏差。实验结果显示经过该方法处理后的新预测模型结果优于原有模型。 |
| 关 键 词： | 缺陷追踪库 模糊关联规则挖掘 缺陷修复时间预测 |
BUG FIX-TIME PREDICTION BY REDUCING SYSTEM DEVIATION BASED ON FARM |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ | |