[发明专利]一种基于文本和开发者活跃度的软件缺陷辅助分派方法

说明书

本发明公开了一种基于文本和开发者活跃度的软件缺陷辅助分派方法，通过考虑缺陷报告的文本信息以及开发者的活跃程度，一方面利用双向循环网络加池化方法提取缺陷报告的文本特征，一方面利用单向循环网络提取特定时刻的开发者活跃度特征，并融合两者，给出了一个新的基于缺陷报告文本和开发者活跃度的缺陷分派模型，从而较好地提高了辅助缺陷分派准确率低的问题。在Eclipse等四个不同的开源项目数据集上的实验结果表明，本方法较同类工作在缺陷分派预测准确率上有显著提升。

技术领域

本发明涉及一种基于文本和开发者活跃度的软件缺陷辅助分派方法，属于软件辅助缺陷分派技术领域。本发明利用包含词序关系的文本信息，以及开发者活跃度信息，基于循环神经网络训练模型，有效增强了对新缺陷报告分派开发者的能力，提高了辅助缺陷分派系统的推荐精度。

背景技术

近年来，随着软件规模不断扩大，大型软件项目往往使用缺陷追踪系统进行统一管理。当一份缺陷报告提交到缺陷追踪系统，管理人员(高级开发者或者项目负责人)需要浏览缺陷报告，并为其选择适合的开发者。这种为缺陷报告指定开发者的过程，被称为缺陷分派。

然而，缺陷分派是一项耗时耗力的事情。一方面，大型项目每天收到的缺陷报告数量较多，如Eclipse项目平均每天收到91份缺陷报告、Redhat项目平均每天收到222份缺陷报告；另一方面，大型项目的开发与维护往往需要大量的开发者，对于Eclipse、Mozilla项目，分别有超过1800名开发者参与到缺陷修复的工作中。如果由人工进行缺陷分派，会消耗大量的时间和人力资源。

为解决此问题，一种可行的办法是辅助缺陷分派，即通过统计、学习历史数据，自动地为新的缺陷报告推荐开发者。目前主流的辅助缺陷分派方法，主要使用缺陷报告的文本和元数据信息。文本信息方面，主要包括用户对缺陷的类型、引发缺陷的步骤等自然文本描述，很多方法使用向量空间模型，将缺陷报告的文本信息表示为单词计数的向量；另外一些方法则使用主题模型，利用单词在文本中的共现关系将文档表示为不同主题下的分布。元数据信息方面，主要包括产品、组件、操作系统类型、平台等字段，这些字段可以由用户在提交缺陷报告时，通过列表的方式选择，该信息对开发者有着较强的划分作用，近期的方法利用了这些信息进一步提高了辅助缺陷分派的准确率。

然而，目前的辅助缺陷分派技术依然存在着一定的不足，主要体现在如下两个方面。首先，自然语言文本更强调文字序列中前后元素之间的相互影响，元素之间次序的不同会导致文本含义的变化，而现有的缺陷分派方法都没有考虑词序信息。其次，已有工作大多忽略了对开发者活跃度的考虑，使得对具有相似特征的开发者进行缺陷报告分派预测时表现较差。

综合上述两个问题，本发明采用分类的方法，考虑了文本词序和开发者活跃度，给出了一个新的辅助缺陷分派模型AutoTriager。通过循环神经网络提取文本和开发者活跃度的高层特征，并将高层特征融合，共同为新缺陷报告预测适合的开发者。

发明内容

发明目的：由于目前主流的辅助缺陷分派方法，在文本特征的刻画上未考虑词序关系，且难以区分具有相似特征的开发者，预测准确率较低。而开发者在不同时间段，具有不同的活跃程度。为此，本发明同时考虑了文本词序和开发者活跃度，有效地提高了辅助缺陷分派的预测准确率。

许多大型软件项目都使用缺陷追踪系统。一方面，用户提交的缺陷报告采用自然语言描述，其词序关系的不同会导致文本含义的变化；另一方面，负责修复缺陷的开发者受工作安排、个人兴趣等影响，在不同时间段，对不同的领域有不同的活跃程度。本发明将两项观察进行建模，提出了辅助缺陷分派模型——AutoTriager。

技术方案：一种基于文本和开发者活跃度的软件缺陷辅助分派方法，分为训练和推荐两个阶段：训练阶段，通过学习历史已经包含修复开发者的缺陷报告建立模型；预测阶段，向模型输入新的、未分派的缺陷报告，模型将输出候选开发者列表。