融合文本分布式表示的重复缺陷报告检测

来源：计算机工程与科学杂志2021年第4期北京时间：

作者：曾杰, 贲可荣, 张献, 徐永士

单位：（海军工程大学电子工程学院，湖北 武汉 430033）

摘要：重复缺陷报告检测能够避免对描述同一缺陷的多份报告进行重复的任务分派和修复，可降低软件维护成本。为了进一步提高检测的准确率，提出一种融合文本分布式表示的重复缺陷报告检测方法。首先，基于大规模缺陷报告数据库训练Doc2Vec模型并抽取缺陷报告的分布式表示，将不同长度的缺陷报告编码为统一长度的稠密向量。接着，通过比较这些向量来计算不同缺陷报告的相似程度，将其作为一种新特征与重复缺陷报告检测过程常用的其它特征进行融合，并利用机器学习算法训练二元分类模型。在公开的Bugzilla重复缺陷报告数据集上的实验结果表明，相比于代表性方法D_TS，本文方法的F1值平均提升了2%，说明了新特征的有效性。

关键词：重复缺陷报告,文本分布式表示,Doc2Vec模型,机器学习算法,