| 基于特征选择的软件缺陷报告严重性评估 |
| |
| 引用本文： | 刘文杰,江贺.基于特征选择的软件缺陷报告严重性评估[J].计算机工程,2019,45(8):80-85. |
| |
| 作者姓名： | 刘文杰 江贺 |
| |
| 作者单位： | 大连理工大学软件学院,辽宁大连,116621;大连理工大学软件学院,辽宁大连,116621 |
| |
| 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。
|
| 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 |
Severity Assessment of Software Defect Reports Based on Feature Selection |
| |
| LIU Wenjie,JIANG He.Severity Assessment of Software Defect Reports Based on Feature Selection[J].Computer Engineering,2019,45(8):80-85. |
| |
| Authors: | LIU Wenjie JIANG He |
| |
| Affiliation: | (School of Software Technology,Dalian University of Technology,Dalian,Liaoning 116621,China) |
| |
| Abstract: | LIU Wenjie;JIANG He(School of Software Technology,Dalian University of Technology,Dalian,Liaoning 116621,China) |
| |
| Keywords: | opensource software software defect report feature selection machine learning severity assessment repair rate |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
