ORESP:基于有序回归的软件缺陷严重程度预测方法

作     者：贾焱鑫 陈翔 葛骅 杨光 林浩 Jia Yanxin;Chen Xiang;Ge Hua;Yang Guang;Lin Hao

作者机构：南通大学信息科学技术学院江苏南通226019 南京大学计算机软件新技术国家重点实验室南京210023 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2021年第38卷第6期

页      面：1815-1818页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61702041) 南京大学计算机软件新技术国家重点实验室开放课题(KFKT2019B14) 

主　　题：软件质量保障 缺陷严重程度预测 有序回归 特征选择 分类 

摘      要：为提高软件缺陷严重程度的预测性能,通过充分考虑软件缺陷严重程度标签间的次序性,提出一种基于有序回归的软件缺陷严重程度预测方法ORESP。该方法首先使用基于Spearman的特征选择方法来识别并移除数据集内的冗余特征,随后使用基于比例优势模型的神经网络来构建预测模型。通过与五种经典分类方法的比较,所提的ORESP方法在四种不同类型的度量下均可取得更高的预测性能,其中基于平均0-1误差(MZE)评测指标,预测模型性能最大可提升10.3%;基于平均绝对误差(MAE)评测指标,预测模型性能最大可提升12.3%。除此之外,发现使用基于Spearman的特征选择方法可以有效提升ORESP方法的预测性能。