基于特征选择的软件缺陷报告严重性评估
来源：计算机工程杂志2019年第8期北京时间：
作者：刘文杰, 江贺
单位：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
基金资助：国家自然科学基金超启发式算法的多视角分析及应用研究（61175062）。
