万发洋，于 旭，徐其江

(1.青岛科技大学信息科学技术学院,山东 青岛 266061；2.山东信息职业技术学院,山东 潍坊 261061)

0 引 言

缺陷是破坏程序正常工作并使系统功能失效的软件错误。伴随着规模和复杂度的增加，大型开源软件通过缺陷跟踪系统(如Bugzilla和JIRA)管理缺陷，不断实现对缺陷报告的记录、管理以及状态更新。当前，大多数缺陷报告都是手动处理的，系统管理人员必须逐个检查缺陷报告，结合历史经验人工分配合适的修复者。这对于大型开源软件项目是一项劳动密集的任务。例如，在Eclipse中，每天都能收到大约100个新提交的缺陷报告，而系统内存在具有不同专业知识的1800名修复者。

为了合理利用缺陷跟踪系统的人力资源，Cubranic等人[1]提出了一种自动缺陷分派技术，通过学习历史数据将缺陷分配给一组最具专业技能的修复者。进而，学者们提出了一系列有关机器学习、信息检索和深度学习的缺陷分派方法。机器学习方法[2-4]将修复者视为类别，通过训练分类器为缺陷报告分派合适的修复者标签。Tamrawi等人[2]提出了一种基于模糊集的Bugzie方法，修复者对集合的隶属度通过术语相关性来表示，并使用它们来衡量修复者是否适合新的缺陷报告。Xuan等人[3]提出了一种半监督的缺陷分派方法，通过期望最大化算法增强朴素贝叶斯分类器对已分派和未分派缺陷的分类能力。信息检索方法[5-11]将缺陷报告作为查询，修复者作为返回结果，根据新提交的缺陷报告与历史缺陷报告之间的相似性对修复者排序。……