[发明专利]基于改进的支持向量机的软件缺陷优先级预测方法

说明书

技术领域

本发明涉及一种缺陷报告优先级预测的方法，主要采用一种改进的支持向量机模型为缺陷优先级的预测建模，对缺陷报告的处理优先级进行判断和预测，属于软件测试领域。

背景技术

我们已经处于数字时代。半个多世纪以来，计算机技术的高速发展使得信息技术已经渗透到人类活动的各个领域。数据库，数据仓库以及因特网技术的应用普及使得我们需要处理的数据规模越来越巨大。这些数据都是非常宝贵的资源。然而，在拥有海量数据的同时，我们对数据知识的提取很大程度上依旧停留在过去查询、简单检索的水平上、信息的载体是数据，但是数据本身不等于信息。激增的数据后面蕴涵着大量的“宝藏”[1]。

近年来，软件开发商鼓励软件使用者通过Jira或Bugzilla积极地报告他们遇到的错误(bug)，这样，开发人员在新的版本的研究就可以致力于解决这些问题[2]。

错误报告是开发人员和使用者在软件开发和维护者提交的软件系统的错误，通常这些错误都存放在软件库当中。在测试工程师的日常工作中，最经常做的也是必须做的就是提交缺陷报告。在提交错误的时候，我们要给出这个错误解决的优先级，开发人员会根据错误的优先级来决定先修复哪个错误，后修复哪个错误，所以优先级的正确与否会影响到错误的解决时间进而可能会影响测试和开发的进度。传统上，预测错误优先级的方法是人工辨别，这种方法既耗时又费力还浪费资源[3]，从而延误了关键错误的修复，造成大量的损失。

因此，我们需要自动的方式能够预测出错误的优先级，使开发人员能分离出重要和不重要的错误，从而提高修复错误的效率，改善软件的质量。但是当前预测错误优先级的方法并不多，大多针对的是预测错误的数量和在代码中定位错误[4]，还有一些是预测错误严重程度。但是，错误的优先级同样很重要，不容忽视，它直接决定这修复错误的先后顺序，延误了正要错误的修复，会产生不容小觑的损失。

[1]刘英博 王建民.面向缺陷分析的软件库挖掘方法综述，计算机科学2007，(34).

[2]Ahmed Lamkanfi，Serge Demeyer，Quinten David Soetens，Tim Verdonck.Comparing Mining Algorithms for Predicting the Severity of a Reported Bug.European Conference on Software Maintenance and Reengineering，2011.

[3]Jaweria Kanwal，Onaiza Maqbool.Managing Open Bug Repositories through Bug Report Prioritization Using SVMs.Proceedings of the 4th International Conference on Open-Source Systems and Technologies(ICOSST 2010)，December，2010：22-24.

[4]Lian Yu，Wei-Tek Tsai，Wei Zhao，and Fang Wu.Predicting Defect Priority Based on Neural Networks.ADMA 2010，Part II，LNCS 6441，2010：356-367.

发明内容

技术问题：本发明的目的是提供一种基于改进的支持向量机的软件缺陷优先级预测方法，用一种机器学习的方法建立一种错误解决的优先级的预测模型，使其能自动的对新到错误报告库的错误分配一个适当的优先级。传统上，预测错误优先级的方法是人工辨别，这种方法既耗时又费力还浪费资源，从而延误了关键错误的修复，造成大量的损失。

Jaweria Kanwal等在2010年提出的利用支持向量机预测缺陷优先级的推荐器。支持向量机一直以来都是研究人员热衷的分类算法之一，在这之前已经用于文本分类和软件库分类了，并显示有不错的前景。但是第三等级并非最重要的等级，第一等级的错误才是最重要，最需要优先修复的，而此方法，第一等级的准确度和召回率却不是最高的。

本发明是把支持向量机模型结合了自适应强度算法，使其精确度和召回率更高。