是 Bug 吗？基于 N-gram IDF 的缺陷报告分类

以往的研究发现，大量缺陷报告在缺陷与非缺陷之间被误分类，并且人工分类缺陷报告是一项耗时的任务。为了解决这个问题，我们提出了一种基于 N-gram IDF 的缺陷报告分类模型，N-gram IDF 是逆文档频率（IDF）在处理任意长度词和短语时的理论扩展。N-gram IDF 使我们能够从文本中提取任意长度的关键术语，这些关键术语可用作分类缺陷报告的特征。我们使用来自 N-gram IDF 和主题建模（在各种软件工程任务中被广泛使用）的特征，构建了基于逻辑回归和随机森林的分类模型。利用一个公开可用的数据集，我们的结果表明，基于 N-gram IDF 的模型在所有评估案例上的性能均优于基于主题的模型。我们的模型展现了有前景的结果，并具有扩展到其他软件工程任务的潜力。