浅谈缺陷修复人预测（Bug Triaging）
缺陷修复人推荐是近几年软工领域的主要研究方向之一。它的出现为了解决给新提交的BUG确定合适的修复人所造成的时间开销，提高BUG triaging的准度。
当前大型的开源软件都是用Bugzilla, Jira, GNATS, trac等BUG repository来跟踪管理项目的BUG。对于每一个提交的BUG来说，我们需要把他分给一个合适的开发人员来修复。分配的好坏对于软件质量的保证来说至关重要。如果把Bug分配给一个不合适的人，则会影响到BUG的修复进度，从而无法保证代码能够得到及时的维护。而对于像Eclipse，Mozilla这样的大型项目来说，每天提交的待分配的新BUG可达到数百条之多。早期Eclipse项目只安排一个开发人员负责BUG的分配，但后来随着项目规模的不断增大，BUG检测和分配改由各个模块的开发团队自己负责。不管怎样，使用人工的手段进行BUG分配在项目规模日渐庞大，BUG数量快速增加的情况下显然是不合适，这会占用大量的人力和时间资源，增加额外的成本。因此，我们希望能够有一些自动化的方法能够帮助解决或者减轻Bug triaging的负担。
这一问题早期是由University of British Columbia的John Anvik, Cail C.Murphy等人在2005年提出的，他们的研究成果在06年的ICES上发表，感兴趣的可以阅读一下他们的论文《Who Should Fix This Bug?》。他们把TextClassification的方法整体移植到Bug triaging中来，把Bug Triaging看做是一个文本分类问题，Bug Report对应于分类的文档，而修复该BUG的开发人员则是这个Bug Report的分类标签。他们分别使用SVM（在此次研究中确定为最佳分类算法），NB，Decision Tree在训练集上训练分类模型。对于一个新来的BUG，使用分类模型进行分类，分类模型会给出分配给每个Develper的概率或得分，取概率或得分最高的K个Developer作为最终的推荐结果。
在此后的几年里，一些新的推荐方法被不断的提出，如异构网络，LDA主题模型，KNN等等都被尝试用来进行推荐，并有不错的预测效果。
我们始终需要注意的是“缺陷修复人推荐方法的提出不可能代替人工方法”。自动化方法的提出只能是起到辅助人工判断，减轻人工分配负担的作用。推荐和预测本身不可能达到100%的准确。对于推荐的结果还需要人工进行判断，事实上机器只是给出了可能性最高的候选人选，缩小了人为筛选的范围，提高了分配的效率。
参考文献
- Anvik, John, Lyndon Hiew, and Gail C. Murphy. "Who should fix this bug?."Proceedings of the 28th international conference on Software engineering. ACM, 2006.
- Xie, Xihao, et al. "Dretom: Developer recommendation based on topic models for bug resolution." Proceedings of the 8th International Conference on Predictive Models in Software Engineering. ACM, 2012.