基于知识探索的软件缺陷智能化修复关键技术研究

Software bug resolution is one of the hot research topics in the software engineering area. Existing software bug resolution technology is mostly artifact-centric, and focuses broadly on lookup information retrieval at raw data-level. In practice, software bug resolution is a multi-iteration and multi-interactive knowledge exploration and problem-solving process, which is dominated by developers. Hence, this project proposes to study the key techniques in intelligent software bug resolution based on knowledge exploration. Firstly, knowledge representation is modeled by employing data mining and machine learning techniques to mine and analyze heterogeneous software bug relevant data, and a multi-facet bug knowledge graph is constructed. Then, collaborative search and personalized recommendation techniques based on the multi-facet bug knowledge graph are developed to support knowledge exploration during the multi-iteration and multi-interactive bug resolution process. Finally, high-level summarizes can be generated for decision support in the bug location and fix activities based on knowledge exploration to support the intelligent software bug resolution process. The project aims to provide methodology, technical and tool supports for knowledge exploration based intelligent software bug resolution, and as a result, constructs fundamental practices to improve the efficiency and quality of software bug resolution.

软件缺陷修复是目前软件工程领域的研究热点。现有软件缺陷修复技术大多以软件制品为中心，在原始的软件数据层面上进行分析，利用信息检索技术辅助各种软件缺陷修复活动。然而，软件缺陷修复通常是由开发人员主导的，多迭代、多交互的缺陷知识探索和问题求解过程。针对现有研究工作的不足，本课题重点研究基于知识探索的软件缺陷智能化修复技术。具体内容包括：（1）利用数据挖掘和机器学习等技术，对多源异构环境下的软件缺陷数据进行知识表征，构建多侧面的软件缺陷知识图谱；（2）基于知识图谱，研究以开发人员为中心的协作式搜索和个性化推荐技术，实现软件缺陷修复活动中的多迭代、多交互的知识探索；（3）基于知识探索，为软件缺陷定位和修复实施过程提供可理解的高层知识概要辅助决策，支持软件缺陷的智能化修复。课题旨在形成一套基于知识探索的软件缺陷智能化修复的方法、技术和工具，为快速、有效的软件缺陷修复提供坚实的实践基础。

软件缺陷修复的成本开销已占到整个软件生命周期三分之一以上，随着软件的持续维护与演化，文档和代码变得更加庞杂、难以理解，给软件缺陷修复带来了严峻的挑战。项目围绕软件缺陷智能化修复技术开展研究，研究内容包括：（1）围绕软件缺陷数据以及缺陷修复代码数据，从修复模式、修复复杂性、缺陷类别、修复规模等方面开展经验研究，发现缺陷修复的相关规律，为缺陷智能化修复提供技术指导和实验环境支撑。（2）围绕软件缺陷的知识抽取与表示，结合深度学习技术进行缺陷修复原因的自动识别，并从缺陷发生的平台、产品、原因等方面综合考虑，采用深度神经网络学习技术识别缺陷相关概念，构建缺陷知识图谱，为缺陷智能化修复提供技术支撑。（3）围绕缺陷修复过程常出现的缺陷问题开展了缺陷知识探索技术研究，识别缺陷问题包含的缺陷实体及关系，通过知识图谱的关联性研究了面向缺陷问题的多特征匹配搜索技术和基于结构化模板的缺陷问答技术，为缺陷智能化修复提供实践支撑。（4）围绕缺陷定位与修复问题，结合构建的缺陷知识图谱，研究了包括面向缺陷定位的代码搜索、细粒度的缺陷定位和缺陷自动修复等智能化缺陷修复技术。以上研究内容形成了一套基于知识探索的软件缺陷智能化修复的方法、技术和工具，为快速、有效的软件缺陷修复提供了良好的实践基础。