高俊婷，张丽萍，赵凤荣

(内蒙古师范大学 计算机科学技术学院，内蒙古 呼和浩特 010022)

0 引 言

软件缺陷[1-3]通常以缺陷报告的形式存储在缺陷跟踪系统中[4]，因此缺陷分析首要工作是对缺陷报告进行分析。缺陷报告数据量大、信息繁杂，修复缺陷耗时长成本高，传统的人工分析已经无法满足大规模的软件缺陷修复需求。

本文提出一种基于K-Means和主题模型的软件缺陷分析方法DAKSM(defect analysis method based on K-Means and subject model)。该方法将聚类和关键词提取共同应用于软件缺陷分析中，在聚类过程中加入无用词和同义词分析并引入粒子群算法，提高聚类准确率。在关键词提取部分加入通用关键词分析，提高关键词的针对性，最终将缺陷的类型和潜在表达内容直观地呈现给修复人员。由于目前缺陷追踪系统大多为英文版本，因此缺陷报告大部分为英文，该方法只适用于英文缺陷报告分析。若需要分析中文缺陷报告，则需在本文方法基础上将英文文本分析算法改进为中文文本分析算法，使之适应中文缺陷报告分析。实验结果表明，该方法在英文缺陷报告的聚类平均准确率能达到81%。

1 相关工作

缺陷分析是对软件开发过程中产生的缺陷信息进行分类和理解[5]，将缺陷相关信息提供给修复人员和开发人员，使修复人员更快速地解决缺陷，了解缺陷产生的原因以避免此类缺陷再次产生。缺陷分析范围广泛、方法众多，现有缺陷分析主要分为人工分析方法和自动分析方法。

人工分析方法是通过开发人员的经验对缺陷报告进行分析，主要分为单属性、多属性分析[6，7]、定性和定量4种分析方法。……