[发明专利]一种基于查询扩展的新增软件缺陷定位方法

说明书

本发明公开了一种基于查询扩展的新增软件缺陷定位方法，本方法对历史缺陷报告、软件源代码的文本内容进行自然语言处理，采用以上语料训练词向量模型；通过词向量结合词项的TF‑IDF值得到源代码中每个方法的文本向量；计算方法之间的语义相似度，修改临近度和依赖紧密度，得到方法之间的综合关联度；根据综合关联度对方法的文本向量进行扩展，得到方法的扩展表示向量；计算新缺陷报告的文本向量，与所有方法的扩展表示分别计算相似度，选择相似度最高的若干方法作为该缺陷报告对应的方法；本发明给软件开发人员和项目管理人员给出了明确的缺陷定位信息，减轻了缺陷修复人员从源代码的海量方法中查找缺陷的工作量，提升了软件缺陷修复的工作效率。

技术领域

本发明涉及一种基于查询扩展的新增软件缺陷定位方法，属于计算机软件开发技术领域。

背景技术

软件缺陷指的是在计算机软件或程序中存在的某种破坏正常运行能力的问题、错误，或者隐藏的功能缺陷，缺陷的存在会导致软件产品在某种程度上不能够满足用户的需要。因而，软件缺陷修复是软件系统全生命周期管理中的重要工作，软件缺陷修复的效率直接影响了软件开发项目的时间和资金成本，影响用户的使用体验，有可能因为软件缺陷导致重大资金损失，甚至是人员伤亡。对于在软件开发、测试或使用过程中暴露出的软件缺陷，快速、准确地定位到缺陷对应的源代码文件和方法是高质量的软件缺陷修复的关键。如何高效地定位软件缺陷也成为广受工业界和学术界关注的关键问题。

为了提高软件缺陷的修复效率，Bugzilla,JIRA等软件缺陷追踪系统被广泛地应用于软件开发过程中的缺陷报告管理。当开发者在开发和测试软件中，或用户在使用软件过程中遇到软件缺陷导致的问题后，将缺陷报告提交到软件缺陷追踪系统中。经由缺陷验证人员对缺陷报告进行验证，验证后的缺陷报告被分配到开发者予以修复。开发者根据缺陷报告中提供的信息，从软件源代码中定位到引起软件缺陷的具体文件、方法，并予以修复。修复后的软件缺陷经由测试人员测试通过后，在软件缺陷追踪系统中更新缺陷报告状态为“已修复”。

当前，随着软件系统功能多样化，系统复杂度不断提高，软件系统的源代码文件数量、其中包含的方法数量随之不断提高。同时，软件系统的方法之间存在着错综复杂的调用关系，这些问题都阻碍了软件开发者快速准确地定位到软件缺陷所在的具体位置。此外，软件系统复杂度的提高，也使得软件系统更容易出现缺陷，以世界知名开源软件Eclipse为例，其软件缺陷仓库接受到的软件缺陷报告数量呈上升趋势。

因此，为了提高软件开发、运行、维护过程中定位缺陷报告的效率，本发明提供了一套基于查询扩展的细粒度方法级软件缺陷定位方法。根据软件缺陷报告的信息，快速、准确地定位到该缺陷对应的源代码文件和方法。帮助开发者降低从海量的源代码文件和方法中查找缺陷地工作量，提高软件缺陷修复的工作效率，提升软件质量控制和质量保证的水平。

发明内容

鉴于软件缺陷定位的重要性以及现有人工方法的局限性，本发明提供了一种基于查询扩展的新增软件缺陷定位方法。本发明的目的根据缺陷报告内容，从软件源代码中定位出缺陷存在的文件和方法。

本发明的技术内容为：

一种基于查询扩展的新增软件缺陷定位方法，其步骤为：

1)从软件缺陷追踪系统中导出已提交的历史缺陷报告数据，对于每个缺陷报告提取其摘要文本、描述文本、评论文本。

2)对历史缺陷报告的文本内容进行自然语言处理，构建由缺陷报告文本中各个词项组成的缺陷报告词典，并将缺陷报告以词袋(bag of words)模型表示为向量形式。

3)从软件项目代码仓库中导出软件源代码、代码修改提交记录。

4)根据3)中提取到的软件源代码，提取源代码中各个方法包含的词项及其词频，对其应用自然语言处理方法进行预处理，构建由源代码中各个词项组成的源代码词典，并将每个方法以词袋(bag of words)模型表示为向量形式。