吳方君

1.江西財經(jīng)大學(xué) 信息管理學(xué)院，南昌330013

2.江西財經(jīng)大學(xué) 數(shù)據(jù)與知識工程江西省高校重點(diǎn)實(shí)驗(yàn)室，南昌330013

+通訊作者E-mail:wufangjun@jxufe.edu.cn

1 引言

軟件缺陷（fault），又稱為錯誤（error）、故障（defect）、失效（failure）、bug、問題（problem）等[1-5]，是軟件如影隨形的特有成分。雖然無法完全杜絕缺陷，但可以對其進(jìn)行分析與監(jiān)測，以盡量減少缺陷[1-5]。軟件缺陷預(yù)測是一種能夠有效地挖掘軟件中可能還遺留而尚未被發(fā)現(xiàn)的潛在缺陷及其分布情況的技術(shù)。通常利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和統(tǒng)計學(xué)習(xí)等通過對軟件產(chǎn)品屬性、過程屬性和已經(jīng)發(fā)現(xiàn)的缺陷數(shù)據(jù)等各種歷史數(shù)據(jù)進(jìn)行綜合挖掘和分析，從而預(yù)測軟件系統(tǒng)中存在的缺陷模式。在提高軟件質(zhì)量、開發(fā)過程的可控性和用戶需求的滿足程度，降低軟件開發(fā)成本和開發(fā)過程的風(fēng)險，改進(jìn)軟件開發(fā)過程等方面起著非常重要的作用，是近年軟件數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)之一[6-15]。軟件缺陷預(yù)測從20 世紀(jì)70 年代發(fā)展至今，一直受到來自軟件產(chǎn)業(yè)界和學(xué)術(shù)界兩方面的關(guān)注。

在產(chǎn)業(yè)界，項(xiàng)目經(jīng)理和軟件工程師發(fā)現(xiàn)隨著軟件系統(tǒng)的規(guī)模越來越大，系統(tǒng)的復(fù)雜程度也越來越高，相應(yīng)地花費(fèi)在軟件缺陷修正上的費(fèi)用也越來越昂貴，消耗的時間也越來越多。既然完全消除缺陷是不可能的，那么借助于缺陷預(yù)測對其進(jìn)行預(yù)測分析以盡量減少也是不錯的選擇。產(chǎn)業(yè)界的項(xiàng)目經(jīng)理和軟件工程師早已意識到軟件缺陷預(yù)測在改善系統(tǒng)質(zhì)量方面起著重要作用，也迫切希望將其作為軟件項(xiàng)目開發(fā)管理的重要環(huán)節(jié)，運(yùn)用到軟件工程實(shí)踐活動中。在學(xué)術(shù)界，學(xué)者們提出了眾多軟件缺陷預(yù)測方法，進(jìn)行了一系列實(shí)證，取得了斐然的成績[6-33]，尤其是基于軟件度量的軟件缺陷預(yù)測成果豐碩。

為了對現(xiàn)有的軟件缺陷預(yù)測研究進(jìn)行深入細(xì)致的分析對比和總結(jié)，在中國知網(wǎng)、Elsevier、Wiley、Springer、ACM、IEEE 等數(shù)據(jù)庫中，以中文關(guān)鍵詞“軟件缺陷預(yù)測”和英文關(guān)鍵詞“software defect prediction”進(jìn)行檢索，截止到2019 年4 月17 日，檢索結(jié)果如表1所示。由于相關(guān)文獻(xiàn)太多，因此選擇了其中一些經(jīng)典的文獻(xiàn)（側(cè)重于國內(nèi)的研究工作）進(jìn)行論述。

Table 1 Search results表1 檢索結(jié)果

本文從靜態(tài)軟件缺陷預(yù)測的四個關(guān)鍵要素，即軟件度量指標(biāo)的篩選、測評數(shù)據(jù)資源庫、缺陷預(yù)測模型的構(gòu)建和缺陷預(yù)測模型的評價，綜述了現(xiàn)有的研究工作；指出了靜態(tài)軟件缺陷預(yù)測面臨的挑戰(zhàn)和新問題，展望了進(jìn)一步的研究方向。

雖然近年來有同類的工作[10,15,21]，但本文的側(cè)重點(diǎn)與它們有所不同。（1）在軟件度量指標(biāo)方面，文獻(xiàn)[10,15,21]側(cè)重于從代碼復(fù)雜度、程序模塊間依賴性、軟件開發(fā)過程、開發(fā)人員經(jīng)驗(yàn)和項(xiàng)目團(tuán)隊組織架構(gòu)等多個角度總結(jié)已有的度量指標(biāo)；而本文認(rèn)同度量指標(biāo)存在冗余的觀點(diǎn)，因此更側(cè)重于度量指標(biāo)的篩選（即特征選擇）。（2）在缺陷預(yù)測模型構(gòu)建方面，文獻(xiàn)[10]將缺陷預(yù)測分成傾向預(yù)測、數(shù)量/密度預(yù)測和嚴(yán)重等級預(yù)測，相應(yīng)的方法有統(tǒng)計方法（如K最近鄰、線性回歸）、有監(jiān)督方法（如隨機(jī)森林、模糊方法、信念網(wǎng)絡(luò)、支持向量機(jī)）、半監(jiān)督方法（如最大期望法）和無監(jiān)督方法（如模糊聚類、K均值）；文獻(xiàn)[15]將缺陷預(yù)測分成傾向預(yù)測和數(shù)量/密度預(yù)測，相應(yīng)的方法有機(jī)器學(xué)習(xí)方法和基于緩存的方法；文獻(xiàn)[21]側(cè)重考察跨項(xiàng)目軟件缺陷預(yù)測，相應(yīng)的方法有基方法（如樸素貝葉斯、邏輯斯蒂回歸）、優(yōu)化方法（如裝袋、提升、遺傳算法）和復(fù)合方法；本文將缺陷預(yù)測分成傾向性預(yù)測、數(shù)量/密度預(yù)測和模塊排序，除了總結(jié)機(jī)器學(xué)習(xí)方法之外，也總結(jié)了復(fù)雜網(wǎng)絡(luò)、多目標(biāo)優(yōu)化和深度學(xué)習(xí)等方法。此外，本文還就缺陷預(yù)測模型的評價方面進(jìn)行了總結(jié)，從如何將缺陷預(yù)測模型運(yùn)用到產(chǎn)業(yè)界角度出發(fā)，重點(diǎn)考慮了缺陷的嚴(yán)重等級。

2 軟件缺陷預(yù)測的分類

軟件缺陷預(yù)測的研究與應(yīng)用，自1971 年Akiyama[1]提出至今，受到了學(xué)術(shù)界和軟件產(chǎn)業(yè)界的高度重視，取得了可喜的成就[6-33]。

根據(jù)數(shù)據(jù)來源不同，軟件缺陷預(yù)測可分為[19-20]：（1）版本內(nèi)缺陷預(yù)測，只使用軟件系統(tǒng)的某個特定版本的數(shù)據(jù)進(jìn)行缺陷預(yù)測；（2）跨版本缺陷預(yù)測，使用軟件系統(tǒng)的幾個不同版本的數(shù)據(jù)進(jìn)行缺陷預(yù)測；（3）跨項(xiàng)目缺陷預(yù)測，使用一個軟件系統(tǒng)的數(shù)據(jù)預(yù)測另外一個軟件系統(tǒng)的缺陷；（4）混合項(xiàng)目缺陷預(yù)測，借助于輔助軟件系統(tǒng)的大量數(shù)據(jù)，再結(jié)合目標(biāo)軟件系統(tǒng)的少量數(shù)據(jù)，預(yù)測目標(biāo)軟件系統(tǒng)的缺陷?？珥?xiàng)目缺陷預(yù)測和混合項(xiàng)目缺陷預(yù)測主要采用遷移技術(shù)[19-33]，如吳方君[19]將遷移學(xué)習(xí)方法TrAdaBoost（transfer Ada-Boost）和代價敏感AdaC2 相結(jié)合，提出了AdaC2Tr-AdaBoost 方法；Limsettho 等[22]指出數(shù)據(jù)分布不均衡和源數(shù)據(jù)集與目標(biāo)數(shù)據(jù)集的分布不一致是造成跨項(xiàng)目缺陷預(yù)測效率低下的原因；戴翔等[23]在Burak過濾法和SMOTE（synthetic minority over-sampling technique）法的基礎(chǔ)上用投票方式來集成七種分類方法的預(yù)測結(jié)果；Chen 等[24]提出了DTB（double transfer Boosting），使用數(shù)據(jù)引力法重塑了源數(shù)據(jù)集的整體分布，使之與目標(biāo)數(shù)據(jù)集的分布相匹配，在部分已標(biāo)記的目標(biāo)數(shù)據(jù)的基礎(chǔ)上借助遷移增強(qiáng)方法來消除源數(shù)據(jù)中起消極作用的數(shù)據(jù)；Xia 等[25]提出了HYDRA（hybrid model reconstruction approach）方法，遺傳算法階段利用遺傳算法為多個分類器分配權(quán)重，進(jìn)而生成一個組合遺傳分類器，集成學(xué)習(xí)階段利用AdaBoost 從多個遺傳分類器生成最終的分類器；毛發(fā)貴等[26]基于TrAdaBoost 提出了MergeTrAdaBoost和MultiTrAdaBoost 法,用遷移學(xué)習(xí)和自適應(yīng)增強(qiáng)技術(shù)，尋找源數(shù)據(jù)集中與目標(biāo)數(shù)據(jù)集關(guān)聯(lián)性高的數(shù)據(jù)；程銘等[27]提出了加權(quán)貝葉斯遷移學(xué)習(xí)法，使用數(shù)據(jù)引力法將源數(shù)據(jù)集與目標(biāo)數(shù)據(jù)集間的差異轉(zhuǎn)化為訓(xùn)練數(shù)據(jù)的權(quán)重，在此基礎(chǔ)上建立分類器；何吉元等[28]提出了半監(jiān)督集成跨項(xiàng)目軟件缺陷預(yù)測方法S3EL（search based semi-supervised ensemble learning），該方法依據(jù)每個特征的均值將源數(shù)據(jù)集劃分成兩部分來構(gòu)建多個樸素貝葉斯弱分類器，再借助于遺傳算法來組合上述弱分類器，進(jìn)而構(gòu)建出最終的分類器；李一露等[29]先利用版本級訓(xùn)練數(shù)據(jù)選擇方法rTDS（release-level training data selection）從候選的跨項(xiàng)目訓(xùn)練數(shù)據(jù)集中選擇與目標(biāo)數(shù)據(jù)集距離近的源數(shù)據(jù)集，然后再利用實(shí)例級訓(xùn)練數(shù)據(jù)選擇方法iTDS（instance-level training data selection）為目標(biāo)數(shù)據(jù)集中的每個目標(biāo)實(shí)例返回k個最近的實(shí)例，從而構(gòu)成多粒度數(shù)據(jù)選擇方法mTDS（multi-granularity training data selection）；楊杰等[30]通過多個源項(xiàng)目分別對目標(biāo)項(xiàng)目進(jìn)行預(yù)測，然后加權(quán)得到最終的預(yù)測結(jié)果，權(quán)重同時考慮預(yù)測準(zhǔn)確度以及源項(xiàng)目與目標(biāo)項(xiàng)目間的KL散度；Chen 等[32]提出了一種多角度遷移的軟件缺陷預(yù)測方法MTDP（multiview transfer learning for software defect prediction），首先構(gòu)建異構(gòu)遷移模型，然后通過遷移異構(gòu)實(shí)例來生成模擬實(shí)例，再通過協(xié)同訓(xùn)練來標(biāo)記模擬實(shí)例，進(jìn)而擴(kuò)展訓(xùn)練集，最后構(gòu)建分類器；陳翔等[20]對跨項(xiàng)目軟件缺陷預(yù)測進(jìn)行了綜述；Herbold 等[31]不僅對跨項(xiàng)目軟件缺陷預(yù)測進(jìn)行了綜述，而且開發(fā)出了跨項(xiàng)目軟件缺陷預(yù)測實(shí)驗(yàn)平臺Cross-Pare（https://crosspare.informatik.uni-goettingen.de/）。有關(guān)混合項(xiàng)目缺陷預(yù)測更詳細(xì)的總結(jié)煩請參考文獻(xiàn)[20-21,31]。

Fig.1 Research framework of static software defect prediction圖1 靜態(tài)軟件缺陷預(yù)測研究框架

根據(jù)是否與軟件生命周期有關(guān)，缺陷預(yù)測可分為靜態(tài)預(yù)測和動態(tài)預(yù)測，后者預(yù)測缺陷分布隨軟件生命周期的變化情況，如Rayleigh 分布模型、以Littlewood模型為代表的指數(shù)分布模型和S曲線分布模型等。

根據(jù)預(yù)測目標(biāo)的不同，靜態(tài)缺陷預(yù)測又可細(xì)分為：（1）缺陷傾向性預(yù)測，即預(yù)測模塊是否含有缺陷，是一個二元分類問題；（2）缺陷的數(shù)量/分布密度預(yù)測，即預(yù)測模塊中含有的缺陷數(shù)量/密度，是一個回歸分析問題；（3）缺陷模塊排序預(yù)測，即先預(yù)測模塊中含有的缺陷數(shù)量或缺陷傾向性概率，然后降序排列，將排名前K(Top-K)的模塊推薦給開發(fā)人員進(jìn)行審查/測試，是一個排序問題。后者介于前兩者之間，適用于測試資源未知的情況。如果人力和物力資源有限，則只審查/測試Top-K模塊；如果人力和物力資源充足，則可以審查/測試全部模塊。研究框架如圖1所示。

根據(jù)預(yù)測粒度不同，軟件缺陷預(yù)測可分為[34]：（1）模塊級預(yù)測，即預(yù)測模塊含有的缺陷；（2）文件級預(yù)測，即預(yù)測文件含有的缺陷；（3）變更級缺陷預(yù)測，也稱即時缺陷預(yù)測，當(dāng)開發(fā)者每次提交變更代碼時，預(yù)測其是否存在缺陷，由Kamei等[35]首次提出此概念。

目前，基于軟件度量的靜態(tài)軟件缺陷預(yù)測是比較成熟和流行的技術(shù)，包含四個關(guān)鍵要素[15,19]：軟件度量指標(biāo)的篩選、測評數(shù)據(jù)資源庫、缺陷預(yù)測模型的構(gòu)建和缺陷預(yù)測模型的評價。因此，本文第3～6章將分別綜述上述四方面的現(xiàn)有工作。

3 軟件度量指標(biāo)的篩選

3.1 軟件度量指標(biāo)篩選的研究現(xiàn)狀

軟件度量指標(biāo)主要包括刻畫軟件產(chǎn)品屬性的指標(biāo)和刻畫軟件開發(fā)過程的指標(biāo)[15,36]。前者包括代碼行數(shù)（line of code，LOC）、McCabe 著色圖法、軟件科學(xué)法、功能點(diǎn)法、Chidamber 與Kemerer 提出的度量集（簡稱CK 度量集）、Abreu 提出的度量集（metrics for object-oriented design，MOOD）和Bansiya等提出的度量集（quality model for object-oriented design，QMOOD）等經(jīng)典的基于代碼的度量指標(biāo)[36]。后者包括有關(guān)代碼修改特征的度量、有關(guān)模塊間依賴性的度量、有關(guān)開發(fā)時間/開發(fā)人員/開發(fā)方法的度量，以及有關(guān)項(xiàng)目團(tuán)隊組織架構(gòu)的度量等。

面對如此眾多的度量指標(biāo)，如何進(jìn)行篩選是構(gòu)建高質(zhì)量軟件缺陷預(yù)測模型的第一個關(guān)鍵。如果不加篩選地采用全部度量指標(biāo)，會造成三方面的問題。（1）收集全部度量指標(biāo)需要花費(fèi)大量的人力和物力，代價太大，有時也是做不到的；（2）部分度量指標(biāo)間存在冗余，會增加構(gòu)建缺陷預(yù)測模型的時間；（3）部分度量指標(biāo)與缺陷不相關(guān)，會降低缺陷預(yù)測模型的性能。

目前，研究者已經(jīng)對度量指標(biāo)存在冗余達(dá)成統(tǒng)一共識。例如Emam 等[37]在一個電信軟件系統(tǒng)上發(fā)現(xiàn)6 個OO（object-oriented）度量與LOC 都是高度相關(guān)的，分別是WMC（weighted methods per class）、CBO（coupling between object classes）、RFC（response for classes）、LCOM（lack of cohesion of methods）、NPAVG（average number of parameters per method）和NMA（number of methods added）。Zhou等[38]分析了6個Java 開源系統(tǒng)（Eclipse 2.0、Equinox 3.4、JDT core 3.4、Lucene 2.4.0、Mylyn 3.1 和PDE UI 3.4.1），發(fā)現(xiàn)LOC、NMIMP（number of methods implemented in a class）、NumPara（number of parameters in the methods implemented in a class）、NM（number of methods）、NAIMP（number of attributes implemented in a class）、NA（number of attributes）和Stmts（number of statements）等類規(guī)模與大部分OO度量存在強(qiáng)相關(guān)。

因?yàn)槎攘恐笜?biāo)間存在冗余[39-43]，Gao 等[40]指出移除85%的度量指標(biāo)可能會提高預(yù)測效果，Shivaji等[41]發(fā)現(xiàn)在大部分情況下最多只需要使用10%的度量指標(biāo)，因此對其進(jìn)行篩選是非常必要的。Xu 等[42]將度量指標(biāo)篩選方法細(xì)分為5種。（1）過濾式排序法，例如Khoshgoftaar 等[43]比較了包括信息增益法IG（information gain）、卡方法CS（Chi-squared）和信噪比SNR（signal to noise ratio）在內(nèi)的7種度量指標(biāo)選擇方法，結(jié)果表明IG和SNR更有效。（2）過濾式子集選擇法，例如，楊曉杏[44]提出了一種改進(jìn)的最小冗余、最大相關(guān)度量元分析方法來篩選度量指標(biāo)，并發(fā)現(xiàn)度量指標(biāo)和個數(shù)的選擇很大程度上依賴于數(shù)據(jù)集。（3）包裹式子集選擇法[45-49]，例如，Liu 等[45]提出了3 種代價敏感的度量指標(biāo)選擇方法，即CSVS（cost-sensitive variance score）、CSLS（cost-sensitive Laplacian score）和CSCS（cost-sensitive constraint score）。Laradji等[46]提出了一種集成方法選擇度量指標(biāo)。陳翔等[48]提出了一種基于多目標(biāo)優(yōu)化算法NSGA-II（non-dominated sorting genetic algorithm-II）的軟件缺陷預(yù)測指標(biāo)選擇方法MOFES（multi-objective optimization feature selection），分別將最小化指標(biāo)子集規(guī)模和最大化AUC（area under the ROC curve）作為兩個優(yōu)化目標(biāo)，在Promise 和ReLink 數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明MOFES方法在大部分情況下可以篩選出更小規(guī)模的指標(biāo)子集，并獲得更好的缺陷預(yù)測性能。Turabieh等[49]提出了一種分層循環(huán)神經(jīng)網(wǎng)絡(luò)（recurrent neural network）方法選擇度量指標(biāo)，隨機(jī)迭代選擇二元遺傳算法（binary genetic algorithm）、二元粒子群優(yōu)化（particle swarm optimization）和二元蟻群優(yōu)化（ant colony optimization）對度量指標(biāo)進(jìn)行提取，在19 個Promise 數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。（4）基于聚類的方法，例如，劉望舒等[50]提出了一種基于聚類分析的度量指標(biāo)選擇方法FECAR（feature clustering and feature ranking），首先將具有冗余關(guān)系的度量指標(biāo)聚于簇中，然后對每一個簇中的度量指標(biāo)按照它們與缺陷的相關(guān)性降序排列，最后從每一個簇中選取指定數(shù)量的度量指標(biāo)。在Eclipse和NASA數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明集成少數(shù)度量指標(biāo)的缺陷預(yù)測模型的性能優(yōu)于集成所有度量指標(biāo)的。Xu等[51]也提出了一種基于聚類分析的特征選擇方法MICHAC（maximal information coefficient with hierarchical agglomerative clustering），該方法采用最大信息系數(shù)對候選指標(biāo)進(jìn)行排名，進(jìn)而過濾掉不相關(guān)的特征；然后采用層次凝聚法對指標(biāo)進(jìn)行聚類，只保留每組中的一個指標(biāo)，去除冗余指標(biāo)。（5）基于抽取的方法，例如，朱朝陽等[52]提出了基于主成分分析的軟件度量指標(biāo)選擇方法。

上述度量指標(biāo)篩選方法雖然考慮了度量指標(biāo)間的相關(guān)性，考慮了度量指標(biāo)與軟件缺陷間的相關(guān)性，也考慮了類規(guī)模與軟件缺陷間的相關(guān)性，但卻忽略了類規(guī)模對度量指標(biāo)與軟件缺陷間關(guān)聯(lián)的混和效應(yīng)，即度量指標(biāo)與軟件缺陷之間的相關(guān)是真相關(guān)，還是由于類規(guī)模的原因引起的偽相關(guān)。

在類規(guī)模的混和效應(yīng)分析方面，Emam等[37]在一個電信軟件系統(tǒng)上對WMC、DIT（depth of inheritance tree）、CBO、RFC、LCOM、NPAVG 和NMA 等7 個OO度量進(jìn)行了LOC 的混和效應(yīng)分析，研究結(jié)果表明：LOC對WMC、CBO、RFC和NMA的軟件缺陷預(yù)測能力具有強(qiáng)的混和效應(yīng)。Zhou 等[38]在6 個Java 開源軟件系統(tǒng)上對55 個OO 度量進(jìn)行了7 個類規(guī)模（LOC、NMIMP、NumPara、NM、NAIMP、NA和Stmts）的混和效應(yīng)分析。研究結(jié)果表明：類規(guī)模對OO度量的混和效應(yīng)廣泛存在，并且大多數(shù)過高地評估了OO度量的軟件缺陷預(yù)測能力，并提出了一種基于線性回歸的混和效應(yīng)剔除方法。

此外，盧紅敏等[53]在102 個Java 開源軟件系統(tǒng)上檢查7 個類規(guī)模（LOC、NMIMP、NumPara、NM、NAIMP、NA和Stmts）對55個OO度量的易變性預(yù)測是否存在混和效應(yīng)。隨機(jī)效應(yīng)元分析結(jié)果表明：類規(guī)模對大多數(shù)的OO度量具有混和效應(yīng)，甚至在許多情況下會導(dǎo)致虛假相關(guān)。

吳方君[54]在Eclipse的兩個版本2.0和2.1上檢測了3個類規(guī)模（LOC、NMIMP和NumPara）對55個OO度量的易變性預(yù)測是否存在混和效應(yīng)。實(shí)驗(yàn)結(jié)果表明：在軟件易變性預(yù)測中類規(guī)模對大部分OO度量存在混和效應(yīng)，個別不存在混和效應(yīng)。

3.2 軟件度量指標(biāo)篩選面臨的問題

雖然類規(guī)模的混和效應(yīng)分析工作為軟件度量指標(biāo)篩選開啟了一個新窗口，但是縱觀先前的工作發(fā)現(xiàn)：或者只分析了少量的軟件系統(tǒng)，最多也只分析了6 個軟件系統(tǒng)；或者只分析了開源系統(tǒng)，得出的結(jié)論能不能推廣到其他更多的系統(tǒng)中尚存疑問。為此，非常有必要在大量學(xué)術(shù)界、開源界和產(chǎn)業(yè)界軟件系統(tǒng)的基礎(chǔ)上甄別OO 度量與軟件缺陷間相關(guān)性的真?zhèn)危瑤椭藗冋_認(rèn)識OO度量和軟件缺陷之間的關(guān)系，是否有必要將類規(guī)模作為混和變量考慮進(jìn)來。

4 測評數(shù)據(jù)資源庫

4.1 測評數(shù)據(jù)資源庫的研究現(xiàn)狀

目前測評數(shù)據(jù)資源庫可劃分為三大類：（1）公共專業(yè)數(shù)據(jù)資源庫，如NASA（https://github.com/klainfo/NASADefectDataset）、Promise（http://promise.site.uottawa.ca/SERepository/datasets-page.html）、Softlab（https://github.com/klainfo/DefectData）和NETGENE（https://hg.st.cs.uni-saarland.de/projects/cg_data_sets/repository）。（2）公共非專業(yè)數(shù)據(jù)資源庫，如Harvard 數(shù)據(jù)資源庫（https://dataverse.harvard.edu/）。（3）個人專業(yè)數(shù)據(jù)資源庫，有部分學(xué)者在版本控制系統(tǒng)，如CVS（concurrent versions system）、Git（Georgia Institute of Technology）、SVN（subversion），以及缺陷追蹤系統(tǒng)，如Bugzilla（bug-tracking system）、JIRA、Mantis、Trac，和開發(fā)人員的相關(guān)往來郵件等的基礎(chǔ)上自行組建個人專業(yè)數(shù)據(jù)資源庫，如Zimmermann數(shù)據(jù)集（https://www.st.cs.uni-saarland.de/softevo/bug-data/eclipse/）、AEEEM數(shù)據(jù)集（http://bug.inf.usi.ch/）和ReLink 數(shù)據(jù)集[55]。Jing 等[56]和陳翔等[20]分別從數(shù)據(jù)來源、度量指標(biāo)等方面對比分析了部分測評數(shù)據(jù)集。

此外，由于在軟件系統(tǒng)中缺陷服從帕累托（Pareto）原則[3]，即20%的模塊包含了80%的缺陷，真正含有缺陷的模塊是少數(shù)，因此會出現(xiàn)類不平衡問題。國內(nèi)外學(xué)者針對不平衡分類問題相繼提出了各種解決方案，大體上可以分為：數(shù)據(jù)預(yù)處理層面的重采樣方法和劃分方法，特征層面的特征選擇方法，分類算法層面的分類器集成、代價敏感方法和單類學(xué)習(xí)方法。有關(guān)不平衡數(shù)據(jù)分類更詳細(xì)的總結(jié)煩請參考文獻(xiàn)[57-59]。

4.2 測評數(shù)據(jù)資源庫面臨的問題

目前測評數(shù)據(jù)資源庫主要存在三方面的問題。（1）測評數(shù)據(jù)資源庫較少，在此基礎(chǔ)上得出的實(shí)驗(yàn)結(jié)論具有一定的偏頗性，是否具有通用性，值得進(jìn)一步檢驗(yàn)。（2）部分測評數(shù)據(jù)集是從開源項(xiàng)目收集的，而開源軟件的開發(fā)方式與產(chǎn)業(yè)界商業(yè)軟件的開發(fā)方式存在著比較大的差異，前者一般由多人分布式開發(fā)，后者由多人集中式開發(fā)。在開源軟件數(shù)據(jù)上構(gòu)建的缺陷預(yù)測模型在產(chǎn)業(yè)界的實(shí)用性比較差，甚至不如隨機(jī)猜想，是否與測評數(shù)據(jù)有關(guān)，值得進(jìn)一步驗(yàn)證。（3）大部分?jǐn)?shù)據(jù)資源庫描述了模塊的缺陷傾向性，或者缺陷的數(shù)量，只有少數(shù)刻畫了缺陷的嚴(yán)重等級，無法滿足軟件產(chǎn)業(yè)界的需求。有了缺陷的嚴(yán)重等級數(shù)據(jù)，項(xiàng)目經(jīng)理就可以將有限的人力和物力資源合理、高效地分配在真正需要審查/測試的軟件模塊上。

5 缺陷預(yù)測模型的構(gòu)建

5.1 缺陷預(yù)測模型構(gòu)建的研究現(xiàn)狀

缺陷預(yù)測模型的構(gòu)建方法隨著預(yù)測目標(biāo)的不同而各異。

5.1.1 缺陷傾向性預(yù)測模型的構(gòu)建

當(dāng)預(yù)測目標(biāo)是缺陷傾向性時，經(jīng)常采用分類法。最初是經(jīng)驗(yàn)預(yù)測階段，研究人員在軟件規(guī)模和軟件復(fù)雜度的基礎(chǔ)上憑經(jīng)驗(yàn)預(yù)測軟件缺陷；后來逐漸進(jìn)入到智能預(yù)測階段，Malhotra[14]指出機(jī)器學(xué)習(xí)方法是使用頻率最高的。典型的缺陷預(yù)測模型構(gòu)建方法如邏輯斯蒂回歸分析（logistic regression，LR）、樸素貝葉斯（na?ve Bayes，NB）、決策樹（decision tree，DT）、人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）、隨機(jī)森林（random forest，RF）、泊松回歸（Poisson regression，PR）、負(fù)二項(xiàng)回歸（negative binomial regression，NBR）和支持向量機(jī)（support vector machine，SVM）等。

Hall 等[12]總結(jié)了2000—2010 年發(fā)表的208 篇文獻(xiàn)，指出LR和NB是最優(yōu)的；陳翔等[20]統(tǒng)計了2016年7月以前發(fā)表的56篇文獻(xiàn)，指出LR、NB、DT、SVM和RF 使用頻率最高，同時指出分類方法中參數(shù)取值的不同會影響預(yù)測性能；Tantithamthavorn 等[60]也分析了分類方法中不同的參數(shù)取值對預(yù)測性能的影響，建議把這種影響納入考慮范圍。

Jiang等[61]提出了一種半監(jiān)督的軟件缺陷預(yù)測方法ROCUS（random committee with under-sampling），該方法利用半監(jiān)督學(xué)習(xí)來解決標(biāo)記樣本數(shù)量少的問題，利用欠抽樣方法解決數(shù)據(jù)不均衡問題，并在8 個NASA數(shù)據(jù)集上進(jìn)行了實(shí)證。

王鐵建等[62]提出了一種基于核字典學(xué)習(xí)的軟件缺陷預(yù)測方法，該方法利用核方法將數(shù)據(jù)映射到一個高維空間，之后采用核字典基選擇策略學(xué)習(xí)得到核字典，最后預(yù)測模塊的缺陷傾向性，并在NASA 數(shù)據(jù)集上進(jìn)行了實(shí)證。

楊杰等[63]提出了基于Boosting 的代價敏感軟件缺陷預(yù)測方法，該方法用隨機(jī)屬性子集選擇法降低Boosting重抽樣過程中的維度災(zāi)難，為漏報和誤報增加不同的代價敏感因子，并在NASA數(shù)據(jù)集上進(jìn)行了實(shí)證。

傅藝綺等[64]提出了基于組合機(jī)器學(xué)習(xí)的軟件缺陷預(yù)測，該方法將LR、DT、NB和ANN等幾種算法的預(yù)測結(jié)果作為新的度量指標(biāo)加入數(shù)據(jù)集，之后運(yùn)用Stacking集成學(xué)習(xí)方法再次預(yù)測缺陷，在Eclipse數(shù)據(jù)集的實(shí)證驗(yàn)證了其有效性。

雖然軟件缺陷預(yù)測方法大多是基于機(jī)器學(xué)習(xí)的，但是也有研究人員從復(fù)雜網(wǎng)絡(luò)[65-67]、多目標(biāo)優(yōu)化[68-75]和深度學(xué)習(xí)[76-80]等方面入手。

（1）基于復(fù)雜網(wǎng)絡(luò)的軟件缺陷預(yù)測方法比較少。例如，Wu[65]通過UML（unified modeling language）類圖將軟件系統(tǒng)映射為有向復(fù)雜網(wǎng)絡(luò)，之后研究了軟件網(wǎng)絡(luò)復(fù)雜性度量與典型的OO度量之間的關(guān)系，指出雖然兩者不顯著相關(guān)，但是前者從不同側(cè)面對OO度量起到一個較好的補(bǔ)充；雖然軟件網(wǎng)絡(luò)復(fù)雜性度量對軟件缺陷預(yù)測方面有提高作用，但提高的程度不顯著。劉慶山[66]通過函數(shù)間的調(diào)用關(guān)系將軟件系統(tǒng)映射為有向復(fù)雜網(wǎng)絡(luò)，之后采用網(wǎng)絡(luò)度量指標(biāo)數(shù)據(jù)對缺陷進(jìn)行預(yù)測，并指出網(wǎng)絡(luò)度量是有效的。Ma等[67]在軟件網(wǎng)絡(luò)度量指標(biāo)的基礎(chǔ)上進(jìn)行缺陷預(yù)測，并指出網(wǎng)絡(luò)度量在不同的系統(tǒng)上表現(xiàn)差異比較大，并在6 個Firefox 版本、5 個Eclipse 版本、9 個開源系統(tǒng)（JEdit、Ant、Camel、Ivy、Poi、Lucene、Xalan、Xerces 和Tomcat）的28個版本上進(jìn)行了實(shí)證。

（2）基于多目標(biāo)優(yōu)化的軟件缺陷預(yù)測方法也較少。Khoshgoftaar 等[68]提出了一種以誤分代價最小化、決策樹復(fù)雜度最小化和可用資源最優(yōu)為目標(biāo)的缺陷預(yù)測方法；Carvalho等[69]提出了一種以高缺陷檢測率和低誤報率為目標(biāo)的粒子群優(yōu)化方法MOPSO（multi-objective particle swarm optimization）；楊曉杏[44]提出了一種結(jié)合代碼敏感SVM和多目標(biāo)優(yōu)化策略的非支配排序遺傳算法NSGA-II-based SVM 來對缺陷模塊序列進(jìn)行排序，其中高缺陷檢測率和低資源浪費(fèi)率是兩個優(yōu)化目標(biāo)，并在17個Promise數(shù)據(jù)集上驗(yàn)證了其高效性；Canfora 等[70]提出了一種以高缺陷檢測率和LOC 最小化為目標(biāo)的缺陷預(yù)測方法MODEP（multi-objective defect predictor）；Shukla 等[71]提出了一種以誤分代價最小化/召回率最大化為目標(biāo)，或者可用資源最優(yōu)/召回率最大化為目標(biāo)的缺陷預(yù)測方法；Ryu 等[72]提出了一種以高缺陷檢測率、低誤報率和高整體性能為多目標(biāo)的樸素貝葉斯缺陷預(yù)測方法；Chen 等[73]在NSGA-II 的基礎(chǔ)上提出了一種以高缺陷檢測率和低資源使用率為多目標(biāo)的缺陷預(yù)測方法。

（3）基于深度學(xué)習(xí)的軟件缺陷預(yù)測方法也比較少。例如，甘露等[78]通過疊加多層限制玻爾茲曼機(jī)（restricted Boltzmann machine，RBM）對度量指標(biāo)進(jìn)行集成，在此基礎(chǔ)上進(jìn)行深度學(xué)習(xí)，之后提出了基于深度信念網(wǎng)（deep belief networks，DBN）的軟件缺陷預(yù)測模型DBNSDPM（deep belief network software defect prediction model），并在5個NASA 數(shù)據(jù)集上進(jìn)行了實(shí)證，實(shí)驗(yàn)結(jié)果表明缺陷預(yù)測準(zhǔn)確性有顯著提高。針對特征冗余和高維性，周末等[79]提出了一種基于深度自編碼網(wǎng)絡(luò)的軟件缺陷預(yù)測方法，并在6 個NASA、Promise 和NETGENE 數(shù)據(jù)集上進(jìn)行了實(shí)證。針對特征冗余和數(shù)據(jù)不均衡性，徐海濤等[80]提出了一種結(jié)合稀疏自編碼神經(jīng)網(wǎng)絡(luò)（sparse autoencoder neural networks）和過采樣技術(shù)SMOTE 的軟件缺陷預(yù)測方法，并在NASA數(shù)據(jù)集上進(jìn)行了實(shí)證。

針對分類任務(wù)的缺陷預(yù)測時，有少數(shù)研究者考慮缺陷嚴(yán)重等級。Zhou等[81]將缺陷嚴(yán)重等級劃分為高低。Singh等[82]將其劃分為高中低。Tian等[83]將其劃分為Trival、Minor、Major、Ctritical 和Blocker。Zhang等[13]將 其 劃 分 為Trivial、Minor、Normal、Critical 和Blocker。Chen等[84]通過模塊間的依賴關(guān)系將軟件系統(tǒng)映射為有向復(fù)雜網(wǎng)絡(luò)，之后在軟件網(wǎng)絡(luò)度量指標(biāo)的基礎(chǔ)上進(jìn)行高危缺陷預(yù)測，其中高危缺陷是指嚴(yán)重等級是Major、Critical 或Blocker，指出基于網(wǎng)絡(luò)度量指標(biāo)的高危缺陷預(yù)測性能可以與基于代碼度量指標(biāo)的高危缺陷預(yù)測性能相媲美，并在Firefox、Eclipse、Ant 和Hbase 上進(jìn)行了實(shí)證。喻維[85]采用主動學(xué)習(xí)和半監(jiān)督學(xué)習(xí)相結(jié)合的方法預(yù)測缺陷的嚴(yán)重程度。

5.1.2 缺陷數(shù)量/分布密度預(yù)測模型的構(gòu)建

當(dāng)預(yù)測目標(biāo)是缺陷的數(shù)量或分布密度時，通常采用多元線性回歸分析MLR（multiple linear regression）[1,6,86-89]，例如Akiyama[1]提出了Akiyama 模型，用于刻畫LOC與缺陷數(shù)量之間的關(guān)系；Gao等[6]比較了以NBR 和PR 為代表的8 種廣義線性回歸模型的性能。此外，也有研究人員從其他方面入手解決上述問題。例如，Livshits 等[86]開發(fā)了一個缺陷檢測工具DynaMine，利用關(guān)聯(lián)規(guī)則挖掘那些因?yàn)槲磁鋵κ褂媚承┏绦驑?gòu)造（如方法調(diào)用等）而造成的缺陷，并在Eclipse 和JEdit 上進(jìn)行了驗(yàn)證；Nguyen 等[87]基于模塊間的相似性來預(yù)測缺陷的數(shù)量，K個近鄰模塊所含的缺陷數(shù)量的均值就是模塊所含缺陷數(shù)量的預(yù)測值；簡藝恒等[88]依據(jù)缺陷模塊和無缺陷模塊的比例，借助SMOTE多次過采樣得到多個數(shù)據(jù)集，之后利用回歸分析得到多個軟件缺陷數(shù)量預(yù)測模型，將上述多個模型的預(yù)測值的均值作為最終的預(yù)測值。

5.1.3 缺陷模塊排序模型的構(gòu)建

當(dāng)預(yù)測目標(biāo)是缺陷模塊排序時，一般采用分類法和回歸分析技術(shù)，例如采用最小二乘法或最大似然法預(yù)測的多元線性回歸、RF、以NBR 為代表的廣義線性回歸和SVM等，也有研究人員從聚類、排序?qū)W習(xí)（learning to rank，LTR）方面入手解決該問題。

楊明[90]提出了一種基于聚類的缺陷模塊排序預(yù)測方法LSDB（largest-cluster started distance based），該方法在代碼級度量數(shù)據(jù)的基礎(chǔ)上，首先利用Kmeans 或者X-means 等算法對模塊進(jìn)行聚類，然后進(jìn)行簇間排序，最后進(jìn)行簇內(nèi)模塊排序。進(jìn)行簇間排序時，作者將包含模塊最多的簇排在第一位，計算剩余簇的中心點(diǎn)到第一個簇的中心點(diǎn)的歐式距離，按照距離升序排列。進(jìn)行簇內(nèi)模塊排序時，計算模塊與該簇中心點(diǎn)的歐式距離，按照距離升序排列。LSDB 方法預(yù)測出來的缺陷模塊序列是按照缺陷概率升序排列的。

隨后趙東曉[91]也提出了四種基于聚類的缺陷模塊排序預(yù)測方法，基本框架與楊明方法[90]一樣，不同之處在于簇間排序和簇內(nèi)模塊排序方法，不僅根據(jù)軟件缺陷服從Pareto 原則[3]，而且還參考軟件模塊包含缺陷的概率與其規(guī)模成反比[4]來設(shè)定排序方法。第一種方法MSSB（minimum-size-cluster started size based）進(jìn)行簇間排序和簇內(nèi)模塊排序時均按照LOC升序排序。第二種方法SSDB（smallest-cluster started distance based）進(jìn)行簇間排序時，將包含模塊最少的簇排在第一位，剩余簇的中心點(diǎn)到第一個簇的中心點(diǎn)的歐式距離升序排列；對于簇內(nèi)模塊排序時，按照模塊與該簇中心點(diǎn)的歐式距離升序排列。第三種方法SSSB（smallest-cluster started size based）進(jìn)行簇間排序時，按照簇包含的模塊數(shù)量升序排列；對于簇內(nèi)模塊排序時，按照模塊的LOC 升序排列。第四種方法SSDSB（smallest-cluster started distance and size based）進(jìn)行簇間排序時，將包含模塊最少的簇排在第一位，按照剩余簇的中心點(diǎn)到第一個簇的中心點(diǎn)的歐式距離升序排列；對于簇內(nèi)模塊排序時，按照模塊的LOC升序排列。四種方法預(yù)測出來的缺陷模塊序列均是按照缺陷概率降序排列的。

田青青[92]提出了一種多次迭代的、基于反饋的圖像檢索框架的半監(jiān)督協(xié)同缺陷模塊序列排序方法SSADP：首先將未標(biāo)記缺陷傾向性的模塊按照LOC升序排列；然后選擇排在前面的2%模塊手工標(biāo)記上缺陷傾向性類標(biāo)簽，作為初始的訓(xùn)練數(shù)據(jù)集；最后訓(xùn)練分類器，并預(yù)測剩余模塊的缺陷傾向性，根據(jù)預(yù)測值降序排列軟件模塊，返回給用戶。

近年來，越來越多的研究者借助于多目標(biāo)優(yōu)化和機(jī)器學(xué)習(xí)中的排序?qū)W習(xí)[93]來解決缺陷模塊排序預(yù)測問題。楊曉杏等[44,94]在線性模型的基礎(chǔ)上提出了一種軟件缺陷模塊排序預(yù)測方法，該方法以FPA（faultpercentile-average）為優(yōu)化目標(biāo)，利用組合差分進(jìn)化（composite differential evolution，CoDE）算法[95]來獲得參數(shù)，并在6 個Zimmermann 數(shù)據(jù)集和5 個開源系統(tǒng)（Eclipse JDT core、Eclipse PDE UI、Equinox framework、Mylyn 和Apache Lucene）的數(shù)據(jù)集上驗(yàn)證了其有效性。隨后，Priya 等[96]引入玻爾茲曼機(jī)來增強(qiáng)排序?qū)W習(xí)的能力。Nguyen 等[87]將經(jīng)典的排序?qū)W習(xí)算法RankSVM 和RankBoost 應(yīng)用于缺陷模塊排序預(yù)測中，并在5 個開源系統(tǒng)（Eclipse JDT Core 3.4、Eclipse PDE UI 3.4.1、Mylyn 3.1、Equinox framework 3.4 和Apache Lucene 2.4.0）的數(shù)據(jù)集上驗(yàn)證了其有效性。You 等[97]在多元線性回歸分析的基礎(chǔ)上提出了一種軟件缺陷模塊排序預(yù)測方法ROCPDP（rankingoriented approach to cross-project defect prediction），利用梯度下降法來獲得參數(shù)，并在5 個AEEEM 數(shù)據(jù)集和34個Promise數(shù)據(jù)集上驗(yàn)證了其有效性。

5.2 缺陷預(yù)測模型構(gòu)建面臨的問題

學(xué)者們從不同角度、采用不同方法和技術(shù)，針對不同的軟件缺陷預(yù)測問題展開了深入、細(xì)致的研究和應(yīng)用，取得了豐碩的成果，為后續(xù)研究和應(yīng)用奠定了扎實(shí)的基礎(chǔ)。雖然在缺陷管理領(lǐng)域考慮嚴(yán)重程度和優(yōu)先級的工作開展得比較多[98-99]，但是在缺陷預(yù)測領(lǐng)域考察缺陷嚴(yán)重程度研究相對少[9,81-85]，兩者的區(qū)別在于前者已經(jīng)通過代碼審查/測試等途徑知道了缺陷的存在，只不過嚴(yán)重程度的標(biāo)識可能由于提交者初步確定時存在一些錯誤，需要進(jìn)行修正；而后者是不知道哪些模塊存在缺陷，需要通過預(yù)測為項(xiàng)目經(jīng)理和軟件工程師合理分配物力、人力資源在真正需要審查/測試的模塊上提供指導(dǎo)和幫助。針對分類任務(wù)的缺陷預(yù)測，只有少數(shù)學(xué)者考慮了缺陷嚴(yán)重等級[9,81-85]；針對排序任務(wù)的缺陷預(yù)測，只有You等[97]將缺陷嚴(yán)重等級納入考慮。軟件產(chǎn)業(yè)界中的真實(shí)情況是軟件不僅包含缺陷，而且缺陷還有等級之分。如缺陷追蹤系統(tǒng)Bugzilla 和Eclipse 工程師不僅將缺陷劃分成Blocker（系統(tǒng)崩潰）、Critical（部分主要功能缺失，影響系統(tǒng)使用）、Major（部分功能缺失，不影響系統(tǒng)使用）、Normal（部分功能存在缺陷）、Minor（系統(tǒng)功能齊全，但存在瑕疵）、Trivial（小問題）、Enhancement（需要完善）等7個等級，而且還設(shè)置了優(yōu)先級Priority指標(biāo)，從最高優(yōu)先級P1到最低優(yōu)先級P5。

根據(jù)軟件缺陷服從Pareto[3]，而且模塊包含缺陷的概率與其規(guī)模成反比[4]的原則，在此舉了一個比較符合軟件產(chǎn)業(yè)界真實(shí)情況的例子。如表2 所示，3 個模塊包含了不同嚴(yán)重程度、數(shù)量不等的缺陷。表3給出了3個模塊在不同情況下的排列順序。

表3 中，當(dāng)進(jìn)行缺陷模塊排序預(yù)測時，在考慮代碼審查/測試工作量的情況下，3 個模塊的審查/測試順序是C、A、B。簡而言之，按照C、A、B 的順序?qū)?個模塊進(jìn)行代碼審查/測試最符合軟件產(chǎn)業(yè)界的真實(shí)情況。因?yàn)橹旅娜毕輹?dǎo)致系統(tǒng)崩潰，嚴(yán)重的缺陷使系統(tǒng)主要功能喪失，這兩種類型的缺陷是一定要修改的，不管缺陷所在模塊的規(guī)模大??；一般缺陷使系統(tǒng)部分功能無效，這種類型的缺陷也是需要修改的，但是需要考慮缺陷所在模塊的規(guī)模大??；提示只是警告，這種類型的缺陷可以在人力和物力資源充足的條件下修改。從成本收益的角度來講，模塊C、A、B的排序是最好的。

6 缺陷預(yù)測模型的評價

6.1 缺陷預(yù)測模型評價的研究現(xiàn)狀

目前，模型評價標(biāo)準(zhǔn)可劃分為針對分類預(yù)測能力的評價標(biāo)準(zhǔn)和基于代碼審查/軟件測試工作量感知的評價標(biāo)準(zhǔn)。評價分類預(yù)測能力的標(biāo)準(zhǔn)比較多，如準(zhǔn)確率（accuracy）、查準(zhǔn)率（precision）、召回率（recall）、F值、G-Mean（geometric mean of precision and recall）、AUC 和MCC（Matthews correlation coefficient），它們的值越大越好；I型錯誤率和II型錯誤率，它們的值越小越好。上述指標(biāo)的使用需要滿足一個前提條件，即項(xiàng)目經(jīng)理和軟件工程師有充足的人力和物力資源可以審查/測試所有的代碼模塊，但是在軟件產(chǎn)業(yè)界卻是不現(xiàn)實(shí)的，為此研究者們提出了基于代碼審查/軟件測試工作量感知的評價標(biāo)準(zhǔn)，如基于代碼行的Alberg 圖（也稱為累積提升圖（cumulative lift chart，CLC））[8]、平均缺陷百分比FPA[11]和成本收益曲線下面積（area under the cost-effectiveness curve，AUCEC）[100]及PofB20指標(biāo)[101]，它們的值越大越好。特別地，CLC和FPA線性相關(guān)[44,94]，且FPA更簡單、更易理解。

Table 2 Example表2 示例

Table 3 Sequence表3 排列順序

6.2 缺陷預(yù)測模型評價面臨的問題

雖然基于代碼審查/軟件測試工作量感知的評價標(biāo)準(zhǔn)更符合軟件產(chǎn)業(yè)界的現(xiàn)實(shí)狀況，但是它們只評價了缺陷傾向性，而沒有評價缺陷的嚴(yán)重等級。

7 研究展望

在國內(nèi)外眾多學(xué)者和軟件開發(fā)人員的努力之下，基于軟件度量的靜態(tài)缺陷預(yù)測取得了斐然的成績，但仍存在一些問題有待于進(jìn)一步地研究和探討，特別是：

（1）針對排序任務(wù)的軟件缺陷預(yù)測進(jìn)行度量指標(biāo)篩選的工作欠缺。在軟件度量指標(biāo)篩選方面，研究者已經(jīng)對度量指標(biāo)存在冗余達(dá)成統(tǒng)一共識，因此有必要對其進(jìn)行篩選。雖然已經(jīng)存在若干度量指標(biāo)篩選方法，但大部分是針對分類任務(wù)的軟件缺陷預(yù)測開展了度量指標(biāo)的篩選，針對排序任務(wù)的度量指標(biāo)篩選比較少。度量指標(biāo)在不同任務(wù)的軟件缺陷預(yù)測時性能可能有所差異，可能會存在某些度量指標(biāo)在分類任務(wù)時性能良好，但是排序任務(wù)時性能差的情況，因此有必要針對排序任務(wù)的軟件缺陷預(yù)測進(jìn)行度量指標(biāo)的篩選，深度學(xué)習(xí)中的自編碼網(wǎng)絡(luò)可能是個不錯的選擇。

（2）未將缺陷嚴(yán)重等級納入全面考慮。①已有的大部分測評數(shù)據(jù)資源庫記載了模塊的缺陷傾向性，或者缺陷的數(shù)量，只有少數(shù)記載了缺陷的嚴(yán)重等級，無法滿足軟件產(chǎn)業(yè)界的需求。②大部分軟件缺陷預(yù)測只考慮了有無缺陷，較少考慮缺陷嚴(yán)重等級，這不符合產(chǎn)業(yè)界追求成本收益的目標(biāo)。③雖然有若干軟件缺陷預(yù)測模型的評價標(biāo)準(zhǔn)，但它們只評價了缺陷傾向性，而沒有評價缺陷的嚴(yán)重等級，不符合軟件產(chǎn)業(yè)界的現(xiàn)實(shí)狀況。

（3）隨著云計算技術(shù)的發(fā)展，互聯(lián)網(wǎng)軟件開發(fā)出現(xiàn)了一些新的范式，如微服務(wù)架構(gòu)軟件[102]、無服務(wù)架構(gòu)軟件等。微服務(wù)架構(gòu)是Amazon、eBay和Netflix等公司建立的一種軟件體系設(shè)計模式，將復(fù)雜系統(tǒng)拆分成多個獨(dú)立的小系統(tǒng)，具有敏捷開發(fā)、持續(xù)交付、持續(xù)集成等特點(diǎn)；無服務(wù)架構(gòu)是微服務(wù)架構(gòu)的一種表現(xiàn)形式，將代碼放到谷歌Cloud Functions、微軟Azure Functions、亞馬遜AWS Lambda 等平臺上，由平臺來處理與服務(wù)器相關(guān)的具體細(xì)節(jié)問題，具有運(yùn)行維護(hù)簡單、開發(fā)效率高等特點(diǎn)。這些互聯(lián)網(wǎng)軟件開發(fā)的新模式隨之帶來了一些新問題和新挑戰(zhàn)，例如一個復(fù)雜系統(tǒng)可能由多個采用不同的程序設(shè)計語言來編碼的獨(dú)立小系統(tǒng)組成，它們的基于代碼的度量數(shù)據(jù)存在較大差異；由于代碼存放在平臺上，因此通過日志來定位缺陷就比較困難。諸此種種導(dǎo)致傳統(tǒng)的軟件缺陷預(yù)測的技術(shù)和經(jīng)驗(yàn)不適用，即時缺陷預(yù)測可能是個不錯的處理辦法。

（4）近年來，如何解決缺陷預(yù)測在產(chǎn)業(yè)界實(shí)際軟件開發(fā)中所面臨的各種問題，提升軟件缺陷預(yù)測的實(shí)用性和經(jīng)濟(jì)性，為管理人員分配有限的人力和物力資源提供指導(dǎo)，以便在付出最小代價的前提條件下，審查/測試出盡可能嚴(yán)重、盡可能多的軟件缺陷，進(jìn)一步把軟件缺陷預(yù)測從學(xué)術(shù)界推向產(chǎn)業(yè)界，這是目前亟待解決的問題。

雖然產(chǎn)業(yè)界的項(xiàng)目經(jīng)理和軟件工程師已經(jīng)意識到軟件缺陷預(yù)測在改善系統(tǒng)質(zhì)量方面起著重要作用，迫切希望將其運(yùn)用到軟件工程實(shí)踐活動中，也已有研究人員在微軟[16]、谷歌[17]和思科[18]等軟件產(chǎn)業(yè)界的知名公司進(jìn)行了軟件缺陷預(yù)測的實(shí)踐，但是卻發(fā)現(xiàn)它們實(shí)用性比較差，甚至不如隨機(jī)猜想，與學(xué)術(shù)界開展的如火如荼的軟件缺陷預(yù)測理論研究形成了鮮明對比。原因在于：①在產(chǎn)業(yè)界，軟件開發(fā)成本是有限的，不能把所有的人力和物力資源全部投入到代碼審查/軟件測試中。②在整個軟件生命期中，發(fā)現(xiàn)和修正缺陷占用了50%～75%的費(fèi)用[2]，如何把發(fā)現(xiàn)和修正缺陷的費(fèi)用盡量降低，這是產(chǎn)業(yè)界所關(guān)心的。③真正含有缺陷的模塊是少數(shù)，軟件缺陷服從帕累托（Pareto）原則[3]，即20%的模塊包含了80%的缺陷。④項(xiàng)目經(jīng)理和軟件工程師不僅關(guān)心系統(tǒng)中是否含有缺陷和缺陷的數(shù)量，更關(guān)心缺陷的嚴(yán)重程度。事實(shí)上，缺陷嚴(yán)重程度不僅有等級之分，它們造成的后果也是不同的：致命的缺陷會導(dǎo)致系統(tǒng)崩潰，嚴(yán)重的缺陷使系統(tǒng)主要功能喪失，一般缺陷使系統(tǒng)部分功能無效。缺陷嚴(yán)重等級影響了代碼審查/軟件測試工作，致命（blocker）缺陷和嚴(yán)重（critical）缺陷是一定要修改的，一般（normal）缺陷是需要考慮缺陷所在模塊的規(guī)模大小來加以修改的，提示（enhancement）類型的缺陷可以在人力和物力資源充足的條件下修改。⑤學(xué)術(shù)界構(gòu)建的軟件缺陷預(yù)測模型大部分是基于開源項(xiàng)目數(shù)據(jù)，而開源軟件的開發(fā)方式與產(chǎn)業(yè)界商業(yè)軟件的開發(fā)方式存在著比較大的差異，前者一般由多人分布式開發(fā)，后者由多人集中式開發(fā)，在前者上構(gòu)建的缺陷預(yù)測模型在后者的實(shí)用性比較差，甚至不如隨機(jī)猜想。已有的軟件缺陷預(yù)測方法和技術(shù)側(cè)重于缺陷的預(yù)測能力，未將產(chǎn)業(yè)界的實(shí)際情況加以深入考察。因此如何將有限的人力和物力資源合理、高效地分配在真正需要審查/測試的軟件模塊上是非常值得研究和非常經(jīng)濟(jì)實(shí)用的，缺陷排序預(yù)測可能是個有效的措施。

（5）軟件缺陷預(yù)測研究工作的再現(xiàn)性和可復(fù)制性至關(guān)重要，只有可再現(xiàn)性和可復(fù)制的工作才有可能運(yùn)用到軟件工程實(shí)踐活動中去；然而，現(xiàn)有研究工作的再現(xiàn)性和可復(fù)制性卻比較差。Mahmood等[103]選取208 項(xiàng)高引用的軟件缺陷預(yù)測研究工作進(jìn)行再現(xiàn)性和可復(fù)制性實(shí)驗(yàn)，發(fā)現(xiàn)只有13 項(xiàng)（6%）是可復(fù)制的，而且有1項(xiàng)的結(jié)果與原始結(jié)果不一致。下一步的研究工作需要注重可再現(xiàn)性和可復(fù)制性。