基于聚类和关键词提取的软件缺陷分析方法研究

• 作 者: 高俊婷
• 出 处: 内蒙古师范大学
• 发表日期: 2020年01期
• 关键词: 软件缺陷 缺陷自动分析 缺陷报告 聚类 主题模型

软件缺陷(Software Defect)可被定义为发生在软件文档、软件程序及软件数据中不应存在的或不能被接受的误差。随着软件需要和现代技术的不断提升,软件行业迅速发展。由于软件开发大部分过程都是由人完成的,开发过程中会不可避免地产生缺陷。与此同时,软件产品数量不断增加。因此,管理软件缺陷至关重要,这将提高缺陷修复效率、减少缺陷修复时间、节约缺陷修复成本和提高软件质量,还能为软件更新与开发提供数据经验,从而减少缺陷的再次产生。所以缺陷自动分析对于软件修复有着重要的理论意义和应用价值。缺陷报告是缺陷被测试出来后由测试人员编写的文本,由于缺陷报告数据量大且冗余信息比较多,修复人员难以快速获得缺陷修复信息,导致人工分析缺陷报告效率低,因此自动将缺陷分类并分析出潜在含义提供给修复人员将会提高修复人员修复效率。无监督机器学习方法中的聚类利用数据驱动进行分类,不需要人工标注且省时高效,此外,关键词提取可快速提取该类缺陷的关键词提供给修复人员。因此,提出一种基于聚类的软件缺陷分类方法,在此基础上使用关键词提取的方法获取每类缺陷的关键词提供给软件修复人员。具体工作如下:1.从缺陷管理软件中获取部分缺陷的完整报告。缺陷管理主要是指对缺陷有效地记录、采集和统计。在缺陷管理软件中,本文选用bugzilla,但该工具仅仅记录缺陷的属性、事务、统计信息等,接下来还需对缺陷报告的数据展开更深入地研究。因此首先从bugzilla中下载部分缺陷的完整报告,以便后续分析。2.为软件缺陷聚类,将缺陷报告中所有缺陷进行归类。获取到缺陷报告后,使用聚类的方法将缺陷分成不同的类别,聚类过程主要分为预处理、有效特征提取、文本表示和聚类四个步骤。首先在获取缺陷报告后,将缺陷报告中部分信息提取出来;然后对缺陷信息预处理;接着提取和缺陷有关的有效特征,使聚类更加准确;再利用文本表示将自然语言转化为计算机可识别形式;最后使用K-Means方法对缺陷聚类,以便后续对缺陷的分析,这里缺陷一共分为六类。3.提取每类缺陷的关键词。缺陷聚类后,只为修复人员提供缺陷类别是不够的,该信息只能使修复人员了解哪些缺陷是相似的,并不能使修复人员快速了解这一类缺陷如何修复。因此,在获取到缺陷类别信息的基础上,使用LDA方法将每一类缺陷的关键词准确地提取出来,使修复人员快速了解该类缺陷并找到相应的解决方法。4.得到提取结果后,以标签的形式返回缺陷报告中。经过聚类和关键词提取后的结果将以文件夹方式呈现,这使修复人员在修复过程中查看缺陷报告时需要对比缺陷id进行查找,增加修复时间。因此把提取结果以标签的形式插入缺陷报告中提供给修复人员,使修复人员首次查看缺陷报告时快速了解缺陷相关信息,减少修复时间。