提高开源软件缺陷定位精度的TPA方法：二次传播与信息融合

本文主要探讨了一种名为"TPA"的基于二次传播的开源软件缺陷定位方法，其目标是提升开源软件缺陷定位的精度。该方法结合了重启随机游走算法和标签传播算法，它在传统的信息检索基础上，对开源软件的缺陷定位策略进行了创新。 首先，TPA方法从三个关键角度进行分析：一是软件模块间的调用关系，这有助于理解代码逻辑中的依赖性和交互性；二是模块风险度评估，通过分析软件的历史修改信息，识别哪些模块可能包含更多的缺陷；三是历史缺陷报告，利用已修复的缺陷作为标签，为未解决的缺陷提供可能的位置线索。 风险度传播部分，算法利用模块间的相关度和调用关系，根据修改记录来计算每个模块的潜在风险。而标签传播部分则利用已有的缺陷标签，通过标签传播过程逐步扩散到其他相关模块，从而更精确地定位缺陷所在。 在实验验证阶段，TPA方法在Eclipse 3.1的缺陷报告数据集上表现出色，top-N rank和Mean Reciprocal Rank (MRR)指标均优于同类缺陷定位方法，这表明其在实际应用中具有较高的准确度。这种方法对于开源软件开发者、维护者以及依赖开源软件的用户来说，是一项重要的优化工具，因为它可以有效地节省定位和修复缺陷的时间，提高软件质量。 TPA方法通过巧妙地融合了不同算法和技术，为开源软件缺陷定位提供了一种新颖且高效的解决方案，其在实际应用中展现出的高准确度和实用性值得进一步研究和推广。