论文研究基于线性分类算法的软件错误定位模型.pdf

基于谱的错误定位（SBFL）方法能帮助程序员减小软件调试的困难。作为一种轻量方法，SBFL只需收集测试用例的覆盖信息和测试结果，计算程序每条语句的运行特征。众多SBFL方法，将四个运行特征组合成不同的可疑度计算公式。然而，这些公式受固定参数的影响，无法适应不同的程序集。因此，提出一种机器学习方法，能自动确定特定程序集的可疑度计算公式。首先，收集已标注错误语句的程序旧版本；再将错误语句与正确语句的运行特征两两相减，构造为训练集的一个样本；最后基于Weka的分类算法，学习到线性函数，作为该程序的错误定位模型。在Siemens程序包、space和gzip三个基准数据集上，使用Logistic、SGD、SMO和LibLinear学习到的模型，性能都要优于SBFL方法。