基于大數(shù)據(jù)的開源項(xiàng)目缺陷報(bào)告智能預(yù)檢技術(shù)

席圣渠，徐鋒，陳鑫，李宣東

1. 南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系，江蘇 南京 210023；2. 計(jì)算機(jī)軟件新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室（南京大學(xué)），江蘇 南京 210023

1 引言

在軟件開發(fā)過程中，軟件測試與缺陷修復(fù)往往會占據(jù)軟件總開發(fā)成本的三分之一以上[1]。為了更有效地管理缺陷，軟件項(xiàng)目中普遍使用缺陷報(bào)告進(jìn)行系統(tǒng)的記錄和追蹤。當(dāng)缺陷報(bào)告被確認(rèn)為新缺陷時(shí)，項(xiàng)目管理者首先會進(jìn)行缺陷報(bào)告預(yù)檢（以下簡稱缺陷預(yù)檢），對缺陷報(bào)告進(jìn)行預(yù)評估，以確定缺陷的優(yōu)先等級、委派相關(guān)責(zé)任開發(fā)者進(jìn)行修復(fù)，并在責(zé)任開發(fā)者無法按時(shí)完成修復(fù)時(shí)委派新的責(zé)任開發(fā)者，即缺陷再分派。缺陷預(yù)檢位于缺陷報(bào)告生命周期的起點(diǎn)，良好的缺陷預(yù)檢能極大地提高軟件維護(hù)的效率與質(zhì)量，是保障軟件可信性的關(guān)鍵環(huán)節(jié)。

傳統(tǒng)意義上，缺陷預(yù)檢由項(xiàng)目管理者人工完成。然而，隨著軟件項(xiàng)目的不斷擴(kuò)大，缺陷的數(shù)量與日俱增，繁雜而耗時(shí)的缺陷預(yù)檢給管理者帶來了很大負(fù)擔(dān)。對于快速發(fā)展，數(shù)量、種類、涵蓋范圍不斷增大的開源軟件項(xiàng)目而言，此類問題更是如此。由于開源項(xiàng)目開發(fā)者自由加入、流動性大、組織松散等特點(diǎn)，開源項(xiàng)目往往存在缺陷數(shù)量多、預(yù)檢不及時(shí)、分派難度大等問題。據(jù)統(tǒng)計(jì)，截至2009年8月，開源項(xiàng)目Eclipse已收錄超過25萬份缺陷報(bào)告，開源項(xiàng)目Mozilla已收錄超過50萬份缺陷報(bào)告。平均而言，前者平均每天收到120份新缺陷報(bào)告，后者則有170份之多[2]。此外，提交到Eclipse項(xiàng)目的新缺陷報(bào)告平均需要16.7天才會得到項(xiàng)目管理團(tuán)隊(duì)的首次操作[3]。由此可見，在開源項(xiàng)目中，由于缺陷數(shù)量眾多、組織管理松散、開發(fā)者自由加入且水平高低不一的特點(diǎn)，缺陷預(yù)檢容易出現(xiàn)繁雜性、困難性、滯后性，因而需要自動化、智能化的方法輔助開源項(xiàng)目管理者進(jìn)行缺陷預(yù)檢，以保障開源軟件的可信性，進(jìn)而促進(jìn)開源軟件生態(tài)的良性發(fā)展。

另外，經(jīng)過數(shù)十年積累，開源軟件生態(tài)已經(jīng)儲備了大量與軟件開發(fā)相關(guān)的數(shù)據(jù)，尤其是高質(zhì)量的已修復(fù)缺陷報(bào)告，為自動化、智能化缺陷預(yù)檢提供了先決條件?？赏ㄟ^數(shù)據(jù)挖掘、信息檢索等方法，從大規(guī)模的已修復(fù)缺陷報(bào)告中學(xué)習(xí)相關(guān)的缺陷預(yù)檢經(jīng)驗(yàn)知識，用于輔助解決開源項(xiàng)目缺陷數(shù)量多、預(yù)檢不及時(shí)、分派難度大的問題，從而提高開源項(xiàng)目軟件維護(hù)的效率與質(zhì)量，進(jìn)而保障開源軟件的可信性。軟件項(xiàng)目從業(yè)者（管理者、開發(fā)者、測試者）普遍認(rèn)可自動缺陷報(bào)告管理技術(shù)的積極作用[4]。具體到缺陷預(yù)檢技術(shù)，可以利用已修復(fù)缺陷報(bào)告數(shù)據(jù)設(shè)計(jì)并訓(xùn)練相應(yīng)機(jī)器學(xué)習(xí)模型，用于缺陷報(bào)告的優(yōu)先級分類、為缺陷報(bào)告分派責(zé)任開發(fā)者，并在責(zé)任開發(fā)者無法及時(shí)完成修復(fù)任務(wù)時(shí)，推薦新的責(zé)任開發(fā)者。

上述基于軟件大數(shù)據(jù)的智能化缺陷預(yù)檢技術(shù)已成為當(dāng)前的研究熱點(diǎn)[3-31]，然而，當(dāng)前研究的主要關(guān)注點(diǎn)在于如何利用新的機(jī)器學(xué)習(xí)模型與方法、特征提取技術(shù)，或?qū)で蟾嗟臄?shù)據(jù)特征，以取得在測試數(shù)據(jù)集上的準(zhǔn)確率的提升。當(dāng)前技術(shù)較少考慮開源項(xiàng)目的特點(diǎn)，難以滿足開源項(xiàng)目缺陷預(yù)檢的需求。

為此，本文首先根據(jù)開源項(xiàng)目的特點(diǎn)，歸納了缺陷預(yù)檢的3個(gè)關(guān)鍵任務(wù)及其挑戰(zhàn)，并提出一套完整的自動化缺陷預(yù)檢框架與技術(shù)。

2 開源項(xiàng)目缺陷預(yù)檢的關(guān)鍵任務(wù)與挑戰(zhàn)

軟件缺陷管理一直是軟件維護(hù)實(shí)踐中的重要內(nèi)容，也是軟件工程研究的重點(diǎn)問題。從工業(yè)界和學(xué)術(shù)界的普遍認(rèn)知來看，缺陷預(yù)檢是缺陷報(bào)告生命周期（如圖1所示）的開端和重要環(huán)節(jié)，缺陷預(yù)檢包含以下3個(gè)較為關(guān)鍵的任務(wù)。

● 缺陷優(yōu)先級分類：用于確定缺陷修復(fù)的優(yōu)先次序，對應(yīng)“新缺陷”向“已分派缺陷”轉(zhuǎn)換的過程，人工進(jìn)行缺陷優(yōu)先級分類往往要求缺陷報(bào)告管理者具有豐富的經(jīng)驗(yàn)和對軟件項(xiàng)目當(dāng)前目標(biāo)的充分理解，而錯(cuò)誤的優(yōu)先級分類將導(dǎo)致項(xiàng)目團(tuán)隊(duì)資源利用率的低下[5]。

● 缺陷分派：用于確定新缺陷報(bào)告的責(zé)任開發(fā)者，對應(yīng)的缺陷報(bào)告將被標(biāo)記為“已分派缺陷”，人工進(jìn)行缺陷分派往往要求缺陷報(bào)告管理者逐條閱讀缺陷報(bào)告，并將其與合適的開發(fā)者匹配，而錯(cuò)誤的缺陷分派會導(dǎo)致缺陷再分派，進(jìn)而延誤缺陷修復(fù)進(jìn)程[3]。

圖1 缺陷報(bào)告生命周期

● 缺陷再分派：當(dāng)責(zé)任開發(fā)者無法修復(fù)缺陷時(shí)，選擇新的責(zé)任開發(fā)者。對于已分派缺陷、歸檔缺陷，由于責(zé)任開發(fā)者能力不足、無法及時(shí)處理等原因，需要進(jìn)行缺陷再分派。不及時(shí)的缺陷再分派會影響缺陷修復(fù)效率，而開源項(xiàng)目中有接近40%的缺陷報(bào)告需要至少一次再分派[3]。

開源項(xiàng)目組織管理松散、開發(fā)者可自由加入且水平高低不一等特點(diǎn)使得缺陷預(yù)檢中上述3個(gè)關(guān)鍵任務(wù)的自動化面臨挑戰(zhàn)，具體如下。

● 缺陷優(yōu)先級分類方面。開源項(xiàng)目管理松散，缺乏專職的缺陷管理者，這使得開源項(xiàng)目中存在大量未分類的缺陷報(bào)告（其優(yōu)先級為默認(rèn)優(yōu)先級），導(dǎo)致從開源項(xiàng)目中獲得的訓(xùn)練數(shù)據(jù)的優(yōu)先級分布很不均衡，即默認(rèn)優(yōu)先級缺陷報(bào)告數(shù)量巨大，而其他優(yōu)先級類別的缺陷報(bào)告數(shù)量較少。若將其簡單建模為分類問題，則容易出現(xiàn)默認(rèn)優(yōu)先級分類預(yù)測準(zhǔn)確率較高，而真正影響項(xiàng)目團(tuán)隊(duì)資源分配的邊沿優(yōu)先級（edge priority），即較低或較高優(yōu)先級的分類預(yù)測準(zhǔn)確率低下的情況。因此，如何利用開源項(xiàng)目中的分類標(biāo)簽不平衡且存在大量噪聲的訓(xùn)練數(shù)據(jù)來提高邊沿優(yōu)先級的預(yù)測準(zhǔn)確率，成為缺陷優(yōu)先級分類任務(wù)面臨的主要挑戰(zhàn)。

● 缺陷分派方面。由于開源項(xiàng)目開發(fā)者可自由加入，大量開發(fā)者利用業(yè)余時(shí)間加入開源項(xiàng)目，不同開發(fā)者的參與意愿強(qiáng)弱存在差異，表現(xiàn)為投入項(xiàng)目的時(shí)間長短不一，活躍程度也有差別。若簡單地推薦能力與缺陷描述相近的開發(fā)者，容易出現(xiàn)開發(fā)者失效，即開發(fā)者長時(shí)間無響應(yīng)，甚至開發(fā)者已經(jīng)離開項(xiàng)目的情況，嚴(yán)重時(shí)可影響缺陷修復(fù)流程[6]，降低缺陷分派準(zhǔn)確率；相反，在存在多名能力相近的開發(fā)者時(shí)，選擇參與意愿強(qiáng)、活躍程度高的開發(fā)者更符合現(xiàn)實(shí)場景需求。因此，如何動態(tài)地建模和評估開發(fā)者的參與意愿，并在能力相近的開發(fā)者中優(yōu)先推薦活躍程度高的開發(fā)者，以降低失效風(fēng)險(xiǎn)、提高缺陷分派準(zhǔn)確率，成為缺陷分派任務(wù)面臨的主要挑戰(zhàn)。

● 缺陷再分派方面。由于開源項(xiàng)目開發(fā)者水平高低不一，當(dāng)開發(fā)者因能力不足等原因無法修復(fù)缺陷時(shí)，往往需要尋找經(jīng)驗(yàn)更豐富且原有責(zé)任開發(fā)者信賴的開發(fā)者，以完成缺陷的修復(fù)。若將問題簡化為缺陷分派，則缺乏對原有責(zé)任開發(fā)者無法修復(fù)缺陷這一反饋信息的利用，會降低缺陷再分派的準(zhǔn)確率。另外，用作訓(xùn)練的已修復(fù)缺陷報(bào)告中往往包含大量缺陷傳遞序列，即責(zé)任開發(fā)者變更的歷史記錄，其中隱含著開發(fā)者之間經(jīng)驗(yàn)與信賴的偏序關(guān)系，其為反饋信息的利用提供了可參照的經(jīng)驗(yàn)規(guī)律。因此，如何充分使用缺陷傳遞序列、挖掘其中隱含的開發(fā)者之間的經(jīng)驗(yàn)與信賴關(guān)系，以利用無法修復(fù)的反饋信息來提升缺陷再分派的準(zhǔn)確率，成為缺陷再分派任務(wù)面臨的主要挑戰(zhàn)。

3 相關(guān)工作

缺陷預(yù)檢領(lǐng)域存在大量缺陷優(yōu)先級分類[7-15]、缺陷分派[16-27]的研究工作，以及源于或服務(wù)于工業(yè)界的文獻(xiàn)資料[2,21]。這些工作普遍基于缺陷報(bào)告文本信息，采用機(jī)器學(xué)習(xí)方法構(gòu)建分類問題，或采用信息檢索方法構(gòu)建相似度模型。而對于開源項(xiàng)目中較為突出的缺陷再分派問題，相關(guān)研究工作較少。因此，本節(jié)將主要介紹前兩者的研究思路與進(jìn)展，并討論其在應(yīng)對開源項(xiàng)目預(yù)檢任務(wù)面臨的挑戰(zhàn)時(shí)存在的不足。

3.1 缺陷優(yōu)先級分類的相關(guān)工作

參考文獻(xiàn)[7]最早提及缺陷報(bào)告優(yōu)先級分類，采用監(jiān)督與無監(jiān)督混合的方法將相似缺陷報(bào)告聚類，并認(rèn)為同一個(gè)聚類內(nèi)的缺陷報(bào)告描述相似或相同的問題，因而應(yīng)當(dāng)具有相同的優(yōu)先級；作者在特征選取、聚類方法、可視化等方面做了較為深入的研究，然而該方法未對缺陷報(bào)告優(yōu)先級做出明確判斷，較難進(jìn)行實(shí)際應(yīng)用。

隨后，Kanwal J等人[8]提出基于支持向量機(jī)（support vector machine，SVM）的分類方法，目標(biāo)是為新缺陷報(bào)告分配一個(gè)優(yōu)先級級別，優(yōu)先級高的缺陷報(bào)告將更受項(xiàng)目組重視，并更快被修復(fù)。該方法將精度（precision）和召回率（recall）作為評估指標(biāo)，并通過實(shí)驗(yàn)驗(yàn)證了方法的有效性。Tian Y等人[9]深入研究了多種可能影響優(yōu)先級分類的因素，以選取更有效的訓(xùn)練特征，并采用線性回歸和閾值截?cái)嗟姆椒ㄓ?xùn)練分類模型，以緩解訓(xùn)練數(shù)據(jù)不平衡的問題。Umer Q等人[10]進(jìn)一步研究了情感分析在缺陷優(yōu)先級分類中的作用，采用支持向量機(jī)模型，將缺陷報(bào)告情感特征作為輸入，以提升優(yōu)先級分類的準(zhǔn)確率。其后，Umer Q等人[11]進(jìn)一步研究了分類器的影響，采用基于深度學(xué)習(xí)的分類模型，用卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）抽取文本特征，并融合情感特征，共同預(yù)測缺陷優(yōu)先級。然而，這些工作仍存在邊沿優(yōu)先級預(yù)測準(zhǔn)確率低的問題，難以應(yīng)用于實(shí)際軟件的開發(fā)過程，需要進(jìn)一步研究優(yōu)化改進(jìn)的相關(guān)技術(shù)。

另外，區(qū)別于以上預(yù)測明確優(yōu)先等級的工作，Valdivia-Garcia H等人[12]關(guān)注檢測阻塞缺陷，此類缺陷會影響其他缺陷的修復(fù)，因而具有很高的修復(fù)優(yōu)先級。作者基于6個(gè)大型開源項(xiàng)目數(shù)據(jù)，總結(jié)出了與阻塞缺陷關(guān)聯(lián)較為密切的14個(gè)因素，并以此建立了決策樹，以辨別阻塞缺陷。Jiang Y等人[13]則將缺陷報(bào)告按嚴(yán)重程度分為2類，并采用排序?qū)W習(xí)（learning to rank）過濾掉部分嚴(yán)重程度低的缺陷報(bào)告，以建立更有效的數(shù)據(jù)集，最終采用監(jiān)督學(xué)習(xí)進(jìn)行訓(xùn)練和預(yù)測。Yang X L等人[14]關(guān)注高影響力缺陷報(bào)告的識別，結(jié)合非均衡學(xué)習(xí)策略（imbalanced learning strategies），緩解數(shù)據(jù)不均衡的問題。Ren H等人[15]則對阻塞缺陷進(jìn)行了實(shí)證研究，從修復(fù)時(shí)間、開發(fā)者經(jīng)驗(yàn)等5個(gè)方面開展調(diào)研，結(jié)果表明，阻塞缺陷的修復(fù)往往更加耗時(shí)耗力，應(yīng)當(dāng)具有更高的修復(fù)優(yōu)先級。然而，此類工作往往將缺陷報(bào)告簡化為二分類問題，缺乏對缺陷優(yōu)先級的完整辨別與評估，降低了優(yōu)先級分類的精確性。

綜上所述，相關(guān)工作或者邊沿優(yōu)先級預(yù)測準(zhǔn)確率低，難以應(yīng)用于實(shí)際的開源軟件項(xiàng)目開發(fā)過程；或者將缺陷報(bào)告簡化為二分類問題，降低了優(yōu)先級分類的精度，難以為開源項(xiàng)目的缺陷修復(fù)決策提供明確的信息。

3.2 缺陷分派的相關(guān)工作

缺陷分派問題最早由Cubranic D等人[16]提出，作者將問題建模為文本分類（開發(fā)者被視為類別）任務(wù)，輸入為缺陷報(bào)告文本，輸出為缺陷報(bào)告的候選責(zé)任開發(fā)者；利用標(biāo)記數(shù)據(jù)訓(xùn)練樸素貝葉斯模型，在開源項(xiàng)目數(shù)據(jù)集上驗(yàn)證了方法的有效性。隨后，Anvik J等人[17]針對開源項(xiàng)目中的缺陷分派問題做了系統(tǒng)性的調(diào)研，并在樸素貝葉斯模型的基礎(chǔ)上，使用支持向量機(jī)、決策樹等方法來解決此類問題，結(jié)果顯示支持向量機(jī)的方法取得了最好的效果。由于開源項(xiàng)目具有開發(fā)周期長、開發(fā)者流動性大的特點(diǎn)，Tamrawi A等人[18]提出了基于模糊集的方法——Bugzie方法，通過過濾不活躍的開發(fā)者來提高預(yù)測準(zhǔn)確率；然而，過濾篩選的方式過于簡單，無法刻畫開發(fā)者活躍程度的差異。

在文本信息之外，研究者也嘗試結(jié)合缺陷報(bào)告隸屬的產(chǎn)品、模塊等元數(shù)據(jù)信息。Yang G等人[19]首先使用主題模型抽取缺陷報(bào)告文本的特征，隨后在元數(shù)據(jù)一致的限制下查找相似缺陷報(bào)告，最后基于這些相似缺陷報(bào)告，推薦責(zé)任開發(fā)者。Xia X等人[20]則將元數(shù)據(jù)作為監(jiān)督信息，設(shè)計(jì)全新的主題模型結(jié)構(gòu)，以獲得更好的文本特征表示，并以此對開發(fā)者能力特征進(jìn)行建模，基于新缺陷報(bào)告與開發(fā)者能力特征的匹配程度來推薦責(zé)任開發(fā)者。然而，雖然主題模型（如LDA[32-33]）在自然語言處理方面得到了廣泛應(yīng)用，但仍存在無法對詞序關(guān)系進(jìn)行建模等問題，在文本內(nèi)容理解上仍有提升空間。

近期，隨著深度學(xué)習(xí)方法在自然語言處理領(lǐng)域的廣泛應(yīng)用，也出現(xiàn)了基于深度學(xué)習(xí)的缺陷分派研究。Lee S R等人[21]使用卷積神經(jīng)網(wǎng)絡(luò)建模缺陷報(bào)告文本，并在多個(gè)工業(yè)界項(xiàng)目上驗(yàn)證了方法的有效性。Mani S等人[22]則使用基于注意力機(jī)制的雙向循環(huán)神經(jīng)網(wǎng)絡(luò)建模缺陷報(bào)告文本，以求準(zhǔn)確率的提升。然而，這些方法大部分局限于缺陷報(bào)告文本，未能充分使用缺陷報(bào)告蘊(yùn)含的多種信息。

研究者也嘗試融入代碼、相似缺陷報(bào)告、修復(fù)記錄等信息，進(jìn)一步提升缺陷分派準(zhǔn)確率。Alkhazi B等人[23]結(jié)合代碼相似度，認(rèn)為編寫過缺陷相關(guān)代碼的開發(fā)者更適合修復(fù)缺陷。Zhang T等人[24]發(fā)現(xiàn)較短的缺陷報(bào)告不利于分派，故通過查找相似缺陷報(bào)告的方式拓展缺陷報(bào)告文本，并在此基礎(chǔ)上推薦責(zé)任開發(fā)者。Sun X B等人[25]關(guān)注安全缺陷，并對開發(fā)者的安全缺陷修復(fù)經(jīng)驗(yàn)進(jìn)行建模，針對嚴(yán)重的安全缺陷，推薦經(jīng)驗(yàn)豐富的開發(fā)者。Yadav A等人[26]對開發(fā)者修復(fù)效率進(jìn)行建模，并采用相似度的方式篩選責(zé)任開發(fā)者。Guo S等人[27]則關(guān)注開發(fā)者的修復(fù)歷史，優(yōu)先選取近期有相似修復(fù)經(jīng)驗(yàn)的開發(fā)者。然而，這些方法普遍采用較簡單的語言模型，難以精確刻畫缺陷報(bào)告的文本特征。

綜上所述，相關(guān)工作存在信息使用不充分、文本建模較簡單的問題，導(dǎo)致開發(fā)者能力刻畫不全面、匹配缺陷相關(guān)開發(fā)者效果較差，且缺乏對開源項(xiàng)目中開發(fā)者活躍度的差異化區(qū)分，難以在能力相近的開發(fā)者中識別最活躍的開發(fā)者。

3.3 缺陷再分派的相關(guān)工作

缺陷再分派方面的研究工作最近才被人們重視，相關(guān)研究工作較少，較為相似的工作如下所述。

Jeong G等人[3]整合缺陷再分派過程中責(zé)任開發(fā)者傳遞、變更的有向圖，并以此為依據(jù)，調(diào)整缺陷分派結(jié)果，提高傳遞圖上位于終點(diǎn)的開發(fā)者的排名，以此優(yōu)化缺陷分派效果。Bhattacharya P等人[28]則在Jeong G等人[3]的基礎(chǔ)上進(jìn)一步優(yōu)化，通過分析包含元數(shù)據(jù)的傳遞圖，進(jìn)一步優(yōu)化缺陷分派效果。Wu H R等人[29]對缺陷傳遞序列的長度進(jìn)行了研究，發(fā)現(xiàn)產(chǎn)品、模塊等4項(xiàng)屬性對缺陷傳遞序列的長度有顯著影響。然而，這些工作仍停留在對缺陷分派問題的優(yōu)化層面，缺乏對缺陷再分派任務(wù)的關(guān)注。

Xia X等人[30]則研究了復(fù)發(fā)缺陷的成因，并提出了基于集成學(xué)習(xí)的復(fù)發(fā)缺陷預(yù)測方法。然而，該方法仍只關(guān)注復(fù)發(fā)缺陷的預(yù)測，缺乏復(fù)發(fā)缺陷可能存在的責(zé)任開發(fā)者變更的解決方法。Mi Q等人[31]發(fā)現(xiàn)，復(fù)發(fā)缺陷中存在部分不影響用戶體驗(yàn)的非負(fù)面（non-negative）缺陷，此類缺陷普遍較容易修復(fù)，且不需要變更責(zé)任開發(fā)者。然而，這些工作更關(guān)注調(diào)研、分析層面，缺乏具體的應(yīng)對缺陷再分派任務(wù)的方法。

綜上所述，缺陷再分派方面的研究工作較少，難以簡單采用缺陷分派技術(shù)應(yīng)對開源項(xiàng)目中存在的大量缺陷再分派問題。

4 缺陷報(bào)告智能預(yù)檢技術(shù)框架

為了系統(tǒng)地解決開源軟件項(xiàng)目缺陷預(yù)檢中存在的3個(gè)關(guān)鍵任務(wù)，本文提出了一個(gè)基于大數(shù)據(jù)資源的缺陷報(bào)告智能預(yù)檢技術(shù)框架，如圖2所示。框架以開源項(xiàng)目缺陷追蹤系統(tǒng)中海量已修復(fù)缺陷報(bào)告的大數(shù)據(jù)資源為數(shù)據(jù)支撐。針對新缺陷，提出基于半監(jiān)督學(xué)習(xí)的缺陷優(yōu)先級分類方法、基于開發(fā)者活躍度的缺陷分派方法，分別預(yù)測缺陷報(bào)告的優(yōu)先級和責(zé)任開發(fā)者；針對已分派缺陷或復(fù)發(fā)缺陷，提出基于開發(fā)者信賴關(guān)系的缺陷再分派方法，預(yù)測新的責(zé)任開發(fā)者?？蚣苤饕ㄒ韵聨追N方法。

● 基于半監(jiān)督學(xué)習(xí)的缺陷優(yōu)先級分類方法：由于開源項(xiàng)目組織管理松散，容易出現(xiàn)優(yōu)先級未分類的情況，導(dǎo)致默認(rèn)優(yōu)先級P3中混雜了更高、更低優(yōu)先級的數(shù)據(jù)，可信性不足。另外，由于P3數(shù)據(jù)中存在大量真實(shí)優(yōu)先級標(biāo)簽，全部丟棄也將影響訓(xùn)練結(jié)果。假設(shè)P3中的數(shù)據(jù)符合以P3為均值的正態(tài)分布，結(jié)合其文本對標(biāo)簽進(jìn)行擬合，擾動得到P3數(shù)據(jù)的可能的優(yōu)先級分布；將擾動后的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，在犧牲部分P3準(zhǔn)確率的代價(jià)下，提升邊沿優(yōu)先級的準(zhǔn)確率。因此，為了充分利用已有數(shù)據(jù)，使用半監(jiān)督學(xué)習(xí)的方法來提升缺陷邊沿優(yōu)先級的分類準(zhǔn)確率。

● 基于開發(fā)者活躍度的缺陷分派方法：由于開源項(xiàng)目開發(fā)周期長、開發(fā)者自由加入，開發(fā)者存在數(shù)量巨大、人員流動頻繁、活躍周期不固定的特點(diǎn)，優(yōu)先推薦活躍程度高的開發(fā)者有利于又快又好地修復(fù)缺陷。為評估當(dāng)前開發(fā)者的活躍程度，可以參照開發(fā)者在缺陷追蹤系統(tǒng)中的活動記錄，評估與缺陷報(bào)告相關(guān)度較高的開發(fā)者，當(dāng)前時(shí)刻附近活動記錄越多的開發(fā)者越活躍，距離當(dāng)前時(shí)刻越近的活動對活躍程度的影響越大。因此，結(jié)合開發(fā)者的活動記錄，對開發(fā)者活躍程度進(jìn)行度量評估，以提升缺陷分派的準(zhǔn)確率。

● 基于開發(fā)者信賴關(guān)系的缺陷再分派方法：由于開源項(xiàng)目的開發(fā)者水平高低不一，責(zé)任開發(fā)者無法完成修復(fù)時(shí)，往往要求助于能力更強(qiáng)且自身信賴的開發(fā)者。為了充分利用責(zé)任開發(fā)者無法完成修復(fù)這一反饋信息，可參照缺陷傳遞序列，對開發(fā)者之間的信賴關(guān)系進(jìn)行建模，靠近序列末尾的開發(fā)者往往具有更加豐富的經(jīng)驗(yàn)，且更受其他開發(fā)者信賴。另外，缺陷的提交者也可能是開發(fā)者，將提交者納入信賴關(guān)系的建模有助于提高建模準(zhǔn)確性。因此，為充分利用反饋信息，需結(jié)合缺陷傳遞序列，對開發(fā)者信賴關(guān)系進(jìn)行建模，以提升缺陷再分派的準(zhǔn)確率。

圖2 缺陷報(bào)告智能預(yù)檢技術(shù)框架

后文將依次對上述3個(gè)方法與技術(shù)進(jìn)行具體介紹。

4.1 基于半監(jiān)督學(xué)習(xí)的缺陷優(yōu)先級分類方法

缺陷優(yōu)先級分類的目標(biāo)是預(yù)測新缺陷報(bào)告的優(yōu)先等級。由于開源項(xiàng)目管理松散，存在大量默認(rèn)優(yōu)先級的缺陷報(bào)告，數(shù)據(jù)分布很不均衡[9]，導(dǎo)致相關(guān)工作普遍出現(xiàn)分類失衡的狀況[9-10]。因此，采用半監(jiān)督學(xué)習(xí)的方法將默認(rèn)優(yōu)先級數(shù)據(jù)視為無標(biāo)簽或標(biāo)簽可信性不高的數(shù)據(jù)，在盡可能犧牲少量默認(rèn)優(yōu)先級精度的情況下，換取邊沿優(yōu)先級的準(zhǔn)確性。為此，筆者提出了一個(gè)基于生成對抗網(wǎng)絡(luò)[34-35]的半監(jiān)督學(xué)習(xí)方法——BrCCGAN來解決上述問題。

該方法的主要思想是：給定缺陷報(bào)告br，需訓(xùn)練評分函數(shù)S(br)=prior∈{P1, P2,P3, P4, P5}。其中，邊沿優(yōu)先級P1、P2、P4、P5更重要；P3為默認(rèn)優(yōu)先級，其標(biāo)簽可信性不高[36]。因此，通過擾動默認(rèn)優(yōu)先級P3的標(biāo)簽，擬合出符合文本的P3數(shù)據(jù)的標(biāo)簽分布，以損失部分P3分類準(zhǔn)確率為代價(jià)，提高邊沿優(yōu)先級的分類準(zhǔn)確率。

基于半監(jiān)督學(xué)習(xí)的缺陷優(yōu)先級分類方法的工作流程如圖3所示。具體而言：①將缺陷報(bào)告br和優(yōu)先級prior視為完整的數(shù)據(jù)對，優(yōu)先級準(zhǔn)確的數(shù)據(jù)對具有較高的融洽度，而優(yōu)先級不準(zhǔn)確的數(shù)據(jù)對融洽度較低；②生成器通過符合高斯分布的隨機(jī)擾動z來變更數(shù)據(jù)對中的優(yōu)先級，產(chǎn)生虛假的優(yōu)先級prior’；③判別器檢驗(yàn)缺陷報(bào)告br與真實(shí)優(yōu)先級prior或虛假優(yōu)先級prior’的融洽度；④當(dāng)生成器與判別器互相博弈，達(dá)到穩(wěn)定收斂狀態(tài)時(shí)，固定其內(nèi)部缺陷報(bào)告br的特征抽取網(wǎng)絡(luò)，并用此網(wǎng)絡(luò)抽取的特征單獨(dú)訓(xùn)練分類模型，即最終的評分函數(shù)S。

此方法中生成器、判別器相互博弈的過程可表示為：

其中，G表示生成器，其輸入為缺陷報(bào)告br和符合高斯分布的隨機(jī)擾動z，輸出為虛假的優(yōu)先級prior’；D表示判別器，其輸入為缺陷報(bào)告br與優(yōu)先級組成的數(shù)據(jù)對，優(yōu)先級可能為真實(shí)優(yōu)先級prior或虛假優(yōu)先級prior’；Objective表示目標(biāo)函數(shù)，E表示數(shù)學(xué)期望，訓(xùn)練過程需依次最小化生成器G的損失、最大化判別器D的損失，以達(dá)到兩者相互博弈的目的。

整個(gè)模型包含訓(xùn)練、預(yù)測兩個(gè)部分。訓(xùn)練部分，將由優(yōu)先級確定的缺陷報(bào)告大數(shù)據(jù)作為輸入，此過程的主要目標(biāo)為訓(xùn)練生成器G和判別器D，為了降低參數(shù)規(guī)模，將兩者缺陷報(bào)告特征抽取網(wǎng)絡(luò)的參數(shù)共享，以簡化訓(xùn)練過程、降低訓(xùn)練開銷。預(yù)測部分，使用缺陷報(bào)告特征抽取網(wǎng)絡(luò)抽取新缺陷報(bào)告的特征向量，并使用獨(dú)立的優(yōu)先級分類模型預(yù)測優(yōu)先級prior。

圖3 基于半監(jiān)督學(xué)習(xí)的缺陷優(yōu)先級分類方法的工作流程

筆者基于CCGAN[34]實(shí)現(xiàn)了上述優(yōu)先級分類方法BrCCGAN，主要改進(jìn)在于選擇了更合理的文本特征抽取方法，并優(yōu)化了整個(gè)生成對抗網(wǎng)絡(luò)的結(jié)構(gòu)。

為了驗(yàn)證方法的有效性，選取開源項(xiàng)目Eclipse作為實(shí)驗(yàn)對象，共收集166 081份缺陷報(bào)告，按7:1:2的比率將其分割為訓(xùn)練集、驗(yàn)證集和測試集；選取基于線性回歸和閾值截?cái)嗟腄RONE[9]、基于雙向循環(huán)神經(jīng)網(wǎng)絡(luò)的BiRNN[10]、基于卷積神經(jīng)網(wǎng)絡(luò)和情感分析的CPur[11]作為對比方法；選取精度和召回率作為評估指標(biāo)。

表1 基于半監(jiān)督學(xué)習(xí)的缺陷優(yōu)先級預(yù)測方法的精度與召回率

基于半監(jiān)督學(xué)習(xí)的缺陷優(yōu)先級分類方法BrCCGAN的實(shí)驗(yàn)結(jié)果見表1，橫向?yàn)椴煌瑑?yōu)先級下的精度與召回率，縱向?yàn)檫x取的對比方法。實(shí)驗(yàn)結(jié)果顯示，較同類工作，BrCCGAN的P3優(yōu)先級預(yù)測準(zhǔn)確率稍有下降，但邊沿優(yōu)先級的預(yù)測準(zhǔn)確率有顯著提升，表明本文所提優(yōu)先級分類方法具有較強(qiáng)的實(shí)用價(jià)值。

4.2 基于開發(fā)者活躍度的缺陷分派方法

缺陷分派的目標(biāo)是推薦責(zé)任開發(fā)者。開源項(xiàng)目容易出現(xiàn)推薦的責(zé)任開發(fā)者失效的情況。另外，當(dāng)前較為活躍的開發(fā)者往往愿意為項(xiàng)目貢獻(xiàn)更多的力量。因此，筆者提出了一個(gè)基于循環(huán)神經(jīng)網(wǎng)絡(luò)的開發(fā)者活躍度建模方法DeepTriage來進(jìn)行缺陷分派。

本方法的主要思想是：在利用循環(huán)神經(jīng)網(wǎng)絡(luò)建模缺陷報(bào)告文本詞序關(guān)系的同時(shí)，對開發(fā)者活躍度進(jìn)行建模，優(yōu)先推薦當(dāng)前活躍的開發(fā)者修復(fù)缺陷，以緩解推薦的開發(fā)者無法修復(fù)、修復(fù)效率低的問題，即給定缺陷報(bào)告br、修復(fù)記錄信息his，需訓(xùn)練評分函數(shù)S(br,his)=d∈D。其中，D表示開源項(xiàng)目開發(fā)者的集合。

基于開發(fā)者活躍度的缺陷分派方法的工作流程如具體而言，包括3個(gè)重要部分：①文本高層特征抽取，對缺陷報(bào)告文本br建模，并獲取文本特征表示ht；②開發(fā)者活躍度高層特征抽取，建模修復(fù)記錄信息his，并獲取活躍度特征表示ha；③高層特征融合，將ht和ha的特征表示進(jìn)行融合，以獲取分類器的輸入特征。以下將依次對這3個(gè)部分進(jìn)行詳細(xì)介紹。圖4所示。

圖4 基于開發(fā)者活躍度的缺陷分派方法的工作流程

（1）文本高層特征抽取

文本高層特征抽取使用了雙向循環(huán)神經(jīng)網(wǎng)絡(luò)。得益于循環(huán)神經(jīng)網(wǎng)絡(luò)在文本分類上的進(jìn)步[37-38]，基于雙向循環(huán)神經(jīng)網(wǎng)絡(luò)的文本高層特征抽取方法逐漸成為主流。具體而言，以獨(dú)熱編碼的形式依次輸入單詞，從順序、倒序兩個(gè)方向進(jìn)行遍歷；對于每個(gè)單詞，將其正向、逆向的特征進(jìn)行拼接，輸入最大池化層，以整合單詞特征，得到保留了最關(guān)鍵信息的整體表示，此過程可表示為：

其中，br=(t1,t2,…,tN)表示缺陷報(bào)告的文本信息，第i個(gè)單詞表示為ti；N表示文本長度；forward、backward分別表示雙向循環(huán)神經(jīng)網(wǎng)絡(luò)的正向、逆向遍歷過程；hti表示第i個(gè)單詞的高層特征，和分別表示第i-1個(gè)單詞的正向特征和第i+1個(gè)單詞的逆向特征；maxpooling表示最大池化層；ht表示缺陷報(bào)告的文本高層特征。

（2）開發(fā)者活躍度高層特征抽取

開發(fā)者活躍度高層特征抽取首先獲取開發(fā)者的修復(fù)記錄信息his，然后將修復(fù)記錄信息輸入神經(jīng)網(wǎng)絡(luò)，以得到高層特征。在修復(fù)記錄獲取方面，給定新缺陷報(bào)告的提交時(shí)刻，需獲取提交時(shí)刻向前一段時(shí)間內(nèi)的修復(fù)記錄，并將其按照時(shí)間順序排列；由于開源項(xiàng)目缺陷報(bào)告數(shù)量巨大，為了約束his的長度，采用目標(biāo)缺陷報(bào)告的產(chǎn)品、模塊元數(shù)據(jù)進(jìn)行過濾，即只保留產(chǎn)品、模塊相同的修復(fù)記錄；若無法找到相應(yīng)修復(fù)記錄，則his被設(shè)置為空列表。在高層特征抽取方面，采用單向循環(huán)神經(jīng)網(wǎng)絡(luò)獲得最后節(jié)點(diǎn)的狀態(tài)，以保障越靠近當(dāng)前時(shí)間節(jié)點(diǎn)的修復(fù)記錄影像越大，此過程可表示為：

其中，forward表示順序輸入的單向循環(huán)神經(jīng)網(wǎng)絡(luò)；M表示修復(fù)記錄的長度；haM-1表示第M-1個(gè)修復(fù)記錄對應(yīng)的高層特征，其值同樣由forward輸出得到；hisM表示第M條修復(fù)記錄；ha表示開發(fā)者活躍度高層特征表示，由于將最后節(jié)點(diǎn)的狀態(tài)作為特征表示，故ha=haM。

（3）高層特征融合

高層特征融合將文本高層特征、開發(fā)者活躍度高層特征融合在一起，共同進(jìn)行后續(xù)預(yù)測，即：

其中，ht和ha分別表示文本高層特征、開發(fā)者活躍度高層特征；h表示融合后的特征；⊕表示特征融合操作，是此步驟的核心。特征融合操作通常采用拼接、元素間相加、元素間相乘3種較為簡單的方法。本文采用特征向量相互影響更為激烈的元素間相乘方法，以便讓開發(fā)者活躍度特征更多地影響責(zé)任開發(fā)者的預(yù)測。

模型的最后，評分函數(shù)S需建立融合的高層特征到項(xiàng)目開發(fā)者的映射，并選擇預(yù)測值最高的開發(fā)者作為推薦的責(zé)任開發(fā)者。采用深度學(xué)習(xí)中常用的全連接層完成映射，可表示為：

其中，h表示融合后的高層特征，dense為全連接層，其輸出維度等同于項(xiàng)目中開發(fā)者的數(shù)量|D|；argmax表示選擇預(yù)測值最高的開發(fā)者；d表示推薦的責(zé)任開發(fā)者的編號。

整個(gè)模型包含訓(xùn)練、預(yù)測兩個(gè)部分。訓(xùn)練部分，將已經(jīng)標(biāo)記歸檔的缺陷報(bào)告大數(shù)據(jù)作為輸入，這些缺陷報(bào)告皆包含真實(shí)修復(fù)缺陷的責(zé)任開發(fā)者信息，并可抽取出文本信息及開發(fā)者修復(fù)記錄信息。這些數(shù)據(jù)共同構(gòu)成訓(xùn)練實(shí)體，完成模型的訓(xùn)練。測試部分，輸入新的缺陷報(bào)告，以及從缺陷追蹤系統(tǒng)中抽取的開發(fā)者活動記錄，則可得到推薦的責(zé)任開發(fā)者d。

筆者基于oh-LSTMp（one-hot LSTM with pooling）[37]實(shí)現(xiàn)了上述缺陷分派方法DeepTriage，主要改進(jìn)在于增加了開發(fā)者活躍度的特征抽取網(wǎng)絡(luò)，并試驗(yàn)了多種特征融合方法對分派結(jié)果的影響。

為了驗(yàn)證方法的有效性，選取開源項(xiàng)目Eclipse、Netbeans、Mozilla、Redhat作為實(shí)驗(yàn)對象，將缺陷報(bào)告按照時(shí)間排序，并分為11份，每次選取前n份作為訓(xùn)練集、第n+1份作為測試集，共進(jìn)行10輪實(shí)驗(yàn)，并對比平均結(jié)果；選取經(jīng)典分類方法SVM[39]、Yang等人[19]基于主題模型并融合元數(shù)據(jù)的方法提出的模型（以下簡寫為Yang）、TopicMinerMTM[20]作為對比方法；選取準(zhǔn)確率（accuracy）作為評估指標(biāo)。

表2 基于開發(fā)者活躍度的缺陷分派方法的Top-1準(zhǔn)確率

基于開發(fā)者活躍度的缺陷分派方法DeepTriage的Top-1準(zhǔn)確率見表2，縱向表示選取的4個(gè)實(shí)驗(yàn)對象，橫向表示選取的對比方法。實(shí)驗(yàn)結(jié)果顯示，與對比算法相比，DeepTriage的Top-1準(zhǔn)確率在各個(gè)項(xiàng)目中均有顯著提升，表明優(yōu)先推薦活躍度高的開發(fā)者有利于切實(shí)完成缺陷修復(fù)工作，本文所提缺陷分派方法具有較強(qiáng)的實(shí)用價(jià)值。

4.3 基于開發(fā)者信賴關(guān)系的缺陷再分派方法

缺陷再分派的目標(biāo)是在需要變更責(zé)任開發(fā)者時(shí)，推薦新的責(zé)任開發(fā)者。不同于缺陷分派任務(wù)，缺陷再分派包含額外的傳遞序列tos信息，tos中靠后的開發(fā)者通常具有更強(qiáng)的技術(shù)水平，更加受到其他開發(fā)者信賴；建模開發(fā)者之間的信賴關(guān)系有利于缺陷的有效修復(fù)，且更加符合項(xiàng)目開發(fā)者的再分派任務(wù)。為此，筆者提出了一個(gè)基于編碼器、解碼器（encoder-decoder）模型[40-41]的方法iTriage來解決上述問題，以同時(shí)建模缺陷報(bào)告文本信息與開發(fā)者之間的信賴關(guān)系。

本方法的主要思想是：將傳遞序列tos建模為解碼過程，預(yù)訓(xùn)練開發(fā)者間的信賴關(guān)系；當(dāng)需要進(jìn)行缺陷再分派時(shí)，使用此預(yù)訓(xùn)練模型獲取文本、傳遞序列的特征，并結(jié)合元數(shù)據(jù)特征共同預(yù)測最終的責(zé)任開發(fā)者。此過程避免了對缺陷傳遞過程的模擬，直接關(guān)注最終目標(biāo)，有利于提高缺陷再分派的準(zhǔn)確率，即給定需要變更責(zé)任開發(fā)者的缺陷報(bào)告br、缺陷報(bào)告的傳遞序列tos，需訓(xùn)練評分函數(shù)S，使得S(br,tos)=d∈D。其中，D表示開源項(xiàng)目開發(fā)者的集合；tos表示從缺陷提交者開始，包含一個(gè)或多個(gè)責(zé)任開發(fā)者的傳遞序列。對于已修復(fù)的缺陷，tos中最后的開發(fā)者表示完成修復(fù)的開發(fā)者；對于需再分派的缺陷，則表示無法完成修復(fù)的開發(fā)者，通常需要指定不同的新責(zé)任開發(fā)者。

基于開發(fā)者信賴關(guān)系的缺陷再分派方法的工作流程如圖5所示。具體而言，包括3個(gè)重要部分：①文本編碼器，建模缺陷報(bào)告文本br的特征；②傳遞序列解碼器，模擬缺陷報(bào)告的傳遞過程，通過預(yù)訓(xùn)練的方式學(xué)習(xí)開發(fā)者間的信賴關(guān)系；③開發(fā)者推薦模型，結(jié)合文本特征、傳遞狀態(tài)特征和元數(shù)據(jù)特征，共同推薦新的責(zé)任開發(fā)者。以下將依次對這3個(gè)部分進(jìn)行詳細(xì)介紹。

（1）文本編碼器

文本編碼器采用雙向循環(huán)神經(jīng)網(wǎng)絡(luò)建模缺陷報(bào)告文本特征。區(qū)別于缺陷分派，此處直接輸出每個(gè)單詞的特征表示，并記錄遍歷所有單詞后的狀態(tài)特征，可表示為：

其中，br=(t1,t2,…,tN)表示缺陷報(bào)告文本的集合；hti表示第i個(gè)單詞的高層特征，這些特征將通過后續(xù)的注意力機(jī)制進(jìn)行整合；state0表示完整遍歷后的狀態(tài)信息，其中數(shù)字0表示解碼器的初始狀態(tài)。

（2）傳遞序列解碼器

傳遞序列解碼器采用循環(huán)神經(jīng)網(wǎng)絡(luò)建模。解碼器通過循環(huán)神經(jīng)網(wǎng)絡(luò)模擬缺陷報(bào)告在責(zé)任開發(fā)者間傳遞的過程，學(xué)習(xí)開發(fā)者之間的信賴關(guān)系。為確定j時(shí)刻輸出的開發(fā)者，需要缺陷報(bào)告的全部文本特征、j-1時(shí)刻的隱含狀態(tài)、j-1時(shí)刻的責(zé)任開發(fā)者。可表示為：

其中，statej、dj分別表示j時(shí)刻的隱含狀態(tài)、輸出的責(zé)任開發(fā)者。statej的初始狀態(tài)為解碼器最后輸出的狀態(tài)；dj的初始狀態(tài)則區(qū)別于傳統(tǒng)模型采用特殊開始符的方法，本節(jié)將缺陷報(bào)告提交者作為初始狀態(tài)輸入，由于存在提交者也是開發(fā)者的情況，加入缺陷報(bào)告提交者能夠更有效地建立信賴模型。此過程將一直持續(xù)，直到遇到代表序列結(jié)束的特殊結(jié)束符。

在此過程中，也將采用注意力機(jī)制整合文本特征。具體方法為：使用解碼器j-1時(shí)刻的隱含狀態(tài)，重新計(jì)算單詞特征的權(quán)重，并加權(quán)求和?？杀硎緸椋?/p>

其中，cj表示j時(shí)刻的完整缺陷報(bào)告文本上下文特征。

（3）開發(fā)者推薦模型

開發(fā)者推薦模型采用基于全連接層的分類方法。其輸入包括當(dāng)前j時(shí)刻的文本上下文特征、解碼器隱含狀態(tài)特征，以及缺陷報(bào)告整體的元數(shù)據(jù)特征?？杀硎緸椋?/p>

其中，m表示元數(shù)據(jù)特征，此特征可使用簡單的嵌入層獲得；由于元數(shù)據(jù)在缺陷報(bào)告中長期保持穩(wěn)定，因而在任意時(shí)刻j都可使用相同的元數(shù)據(jù)特征m。

整個(gè)模型包括訓(xùn)練、預(yù)測兩個(gè)部分。訓(xùn)練部分，將歸檔缺陷報(bào)告大數(shù)據(jù)作為監(jiān)督，學(xué)習(xí)并優(yōu)化模型參數(shù)。測試部分，模型參數(shù)固定，給定待變更責(zé)任開發(fā)者的缺陷報(bào)告，首先經(jīng)過文本編碼器、傳遞序列解碼器獲取文本上下文特征c、解碼器隱含狀態(tài)特征state；其次，提取元數(shù)據(jù)，并得到元數(shù)據(jù)特征m；最后，將3種特征輸入開發(fā)者推薦模型，則可得到推薦的新責(zé)任開發(fā)者。

筆者基于編碼器、解碼器模型[41]實(shí)現(xiàn)了上述缺陷再分派方法iTriage，主要改進(jìn)在于將缺陷在開發(fā)者間傳遞的過程建模為解碼過程，并添加了開發(fā)者推薦模型，結(jié)合缺陷再分派時(shí)刻的文本上下文特征、傳遞狀態(tài)特征、元數(shù)據(jù)特征，直接預(yù)測最終的修復(fù)者。

圖5 基于開發(fā)者信賴關(guān)系的缺陷再分派方法的工作流程

為了驗(yàn)證方法的有效性，選取開源項(xiàng)目Eclipse、Mozilla、Gentoo作為實(shí)驗(yàn)對象，采用模擬時(shí)序的十折驗(yàn)證作為測試方法；選取經(jīng)典文本分類方法SVM[39]、基于注意力機(jī)制的循環(huán)神經(jīng)網(wǎng)絡(luò)DBRNN+A方法[21]、基于卷積神經(jīng)網(wǎng)絡(luò)的方法CNN Triager[22]作為對比方法；選取準(zhǔn)確率作為評估指標(biāo)。

表3 基于開發(fā)者信賴關(guān)系的缺陷再分派方法的Top-1準(zhǔn)確率

基于開發(fā)者信賴關(guān)系的缺陷再分派方法iTriage的Top-1準(zhǔn)確率見表3，縱向表示實(shí)驗(yàn)對象，橫向表示對比方法。此外，實(shí)驗(yàn)進(jìn)一步驗(yàn)證了缺陷再分派情況下的分派準(zhǔn)確率，iTriage@1表示第一次分派的預(yù)測準(zhǔn)確率，iTriage@2、iTriage@3分別表示第一次、第二次再分派（即第二次、第三次分派）的準(zhǔn)確率。實(shí)驗(yàn)結(jié)果顯示，iTriage第一次分派的預(yù)測準(zhǔn)確率已有顯著提升，表明了將提交者納入信賴關(guān)系建模的有效性；且在隨后的第一次、第二次再分派中，準(zhǔn)確率得到進(jìn)一步提升，表明了缺陷報(bào)告在開發(fā)者間傳遞的反饋信息的有效性，本文所提缺陷再分派方法具有較強(qiáng)的實(shí)用價(jià)值。

5 結(jié)束語

本文提出了一個(gè)智能化缺陷報(bào)告預(yù)檢技術(shù)的框架，結(jié)合開源項(xiàng)目的特點(diǎn)，并利用已修復(fù)缺陷報(bào)告的大數(shù)據(jù)作為支撐，基于深度學(xué)習(xí)的相關(guān)模型與技術(shù)，針對缺陷預(yù)檢的3個(gè)關(guān)鍵任務(wù)提出了相應(yīng)的自動化技術(shù)：基于半監(jiān)督學(xué)習(xí)的缺陷報(bào)告優(yōu)先級預(yù)測方法、基于開發(fā)者活躍度的缺陷分派方法、基于開發(fā)者信賴關(guān)系的缺陷再分派方法。

面向開源項(xiàng)目的缺陷報(bào)告預(yù)檢技術(shù)，尤其是缺陷再分派技術(shù)的研究日益被重視，仍有許多問題需要更加深入的分析和研究，如缺陷報(bào)告質(zhì)量對缺陷預(yù)檢工作的影響如何，代碼托管平臺中缺陷報(bào)告和代碼變更的關(guān)聯(lián)信息、開發(fā)者評價(jià)信息等如何用于提高缺陷預(yù)檢的準(zhǔn)確率等。