基于半监督文本分类的自动缺陷分派

本文中，我们提出一种用于缺陷分派的半监督文本分类方法，以避免现有监督方法中带标签缺陷报告不足的问题。该新方法结合朴素贝叶斯分类器和期望最大化算法，以利用带标签与未标签的缺陷报告。该方法用一小部分带标签缺陷报告训练分类器。然后该方法迭代地标记大量未标签缺陷报告，并用所有缺陷报告的标签训练新分类器。我们还采用加权推荐列表，通过在训练分类器时施加多个开发者的权重来提升性能。在Eclipse缺陷报告上的实验结果表明，我们的新方法在分类准确率上优于现有监督方法。