• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Combining information retrieval modules and structural information for source code bug localization and feature location.
【24h】

Combining information retrieval modules and structural information for source code bug localization and feature location.

机译：结合信息检索模块和结构信息，以进行源代码错误定位和功能定位。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Bug localization and feature location in source code are software evolution tasks in which developers use information about a bug or feature present in a software system to locate the source code elements, such as classes or methods. These classes or methods must be modified either to correct the bug or implement a feature. Automating bug localization and feature location are necessary due to the size and complexity of modern software systems. Recently, researchers have developed static bug localization and feature location techniques using information retrieval techniques, such as latent semantic indexing (LSI), to model lexical information, such as identifiers and comments, from source code. This research presents a new technique, LSICG, which combines LSI modeling lexical information and call graphs to modeling structural information. The output is a list of methods ranked in descending order by likelihood of requiring modification to correct the bug or implement the feature under consideration. Three case studies including comparison of LSI and LSICG at method level and class level of granularity on 25 features in JavaHMO, 35 bugs in Rhino, 3 features and 6 bugs in jEdit demonstrate that The LSICG technique provides improved performance compared to LSI alone.
机译：错误的本地化和功能在源代码中的位置是软件演化任务，开发人员在其中使用有关软件系统中存在的错误或功能的信息来定位源代码元素（例如类或方法）。必须修改这些类或方法以纠正错误或实现功能。由于现代软件系统的大小和复杂性，必须自动进行错误定位和功能定位。最近，研究人员已经开发出了使用诸如潜在语义索引（LSI）之类的信息检索技术来从源代码中建模诸如标识符和注释之类的词法信息的静态错误定位和特征定位技术。这项研究提出了一种新技术LSICG，它结合了LSI建模词汇信息和调用图来对结构信息进行建模。输出是方法列表，按需要进行修改以纠正错误或实现所考虑功能的可能性，按降序排列。在三个案例研究中，包括在JavaHMO的25个功能，Rhino的35个错误，jEdit的3个功能和6个错误的方法级别和粒度级别上对LSI和LSICG的比较，证明与单独使用LSI相比，LSICG技术提供了更高的性能。

著录项

  • 作者

    Shao, Peng.;

  • 作者单位

    The University of Alabama.;

  • 授予单位 The University of Alabama.;
  • 学科 Computer Science.
  • 学位 Ph.D.
  • 年度 2011
  • 页码 163 p.
  • 总页数 163
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号