从缺陷历史中挖掘修复提示

在软件开发中，修复缺陷是一项耗时且成本敏感的重要任务。虽然已有许多方法被提出用于自动检测和修补软件代码，但这些策略仅限于一组已被透彻研究以定义其属性的已识别缺陷。因此，它们只能覆盖一小部分故障，例如无限循环。我们基于缺陷及其关联的用户缺陷报告是重复性的这一假设，提出了一种基于缺陷历史及其关联修复的修复推荐新方法。在我们的方法中，一旦有缺陷被报告，便会利用信息检索技术和机器学习分类，将其自动与所有先前已修复的缺陷进行比较。基于此比较，我们推荐前 {\em k} 个修复操作，这些操作从过去的修复实例中识别出来，可作为提示，供软件开发人员用于处理新缺陷。