共变图熵：用于缺陷预测的新型过程指标
软件工程
2025-04-28 v1
摘要
过程指标因其语言无关性和易于收集的特点，在缺陷预测中常优于产品指标。在这些指标中，change entropy (Hassan, 2009) 在文件级别广泛使用且效果显著。此外，过去的研究表明，共变模式提供了有价值的软件质量见解。基于这些发现，我们引入共变图熵 (Co-Change Graph Entropy)，一种新型指标，通过建模共变以量化共变散布程度。在八个 Apache 项目的实验中，我们发现共变熵与文件级别缺陷计数之间存在显著相关性，其皮尔逊相关系数最高可达 0.54。在文件级别缺陷分类中，用共变熵取代 change entropy 可在 72.5% 的情况下提高 AUROC，在 40 个实验环境中（包括五种机器学习分类器和八个项目）提升 MCC 62.5%，尽管这些改进不具统计显著性。然而，当共变熵与 change entropy 组合使用时，AUROC 在 82.5% 的情况下提升，MCC 在 65% 的情况下提升，经 Friedman 检验及事后 Nemenyi 检验确认统计显著性提升。这些结果表明，共变熵补充了 change entropy，显著增强了缺陷分类性能，凸显了其在缺陷预测中的实际重要性。
引用
@article{arxiv.2504.18511,
title = {Co-Change Graph Entropy: A New Process Metric for Defect Prediction},
author = {Ethari Hrishikesh and Amit Kumar and Meher Bhardwaj and Sonali Agarwal},
journal= {arXiv preprint arXiv:2504.18511},
year = {2025}
}