全文总字数：7945字
文献综述
一.课题研究背景及意义 随着互联网云计算及人工智能等新兴计算机技术的兴起，全球软件产业得到飞速的发展，多样化的软件应用已经渗透到人们生活和工作的每一个角落，相应的，对软件质量保障技术也提出了更高的要求。
软件系统的质量和可靠性很大程度地影响着用户的使用体验和生产效率，严重的软件缺陷问题甚至可能危机人们的财产和生命安全。
例如2011年7月，我国甬温线动车组列车在浙江省境内发生追尾事故造成多人伤亡，事故原因主要是信号控制系统在设计上存在严重缺陷；2013年4月，芝加哥期权交易所因软件故障导致开盘延迟3小时，致使CBOE蒙受了巨额的损失；2018年10月，印尼狮航的一架波音737-MAX8客机在爪哇海坠毁，时隔不到半年的2019年3月，同型号的埃塞俄比亚航空客机在起飞后不久坠地，两次空难造成了大量的人员伤亡，调查人员称事故的原因是飞机控制软件出现了故障。
因软件缺陷引起的高额财产损失和巨大生命代价让人们进一步意识到软件测试和质量保障工作的重要性。
但随着软件系统的复杂度日益增加、测试成本不断提高，传统软件测试和质量保障技术难以满足目前需求。
若在软件开发和测试阶段，能结合机器学习对软件的历史缺陷数据进行深度搜索、爬取和分析，在一定程度上提前预测和统计软件系统中的缺陷分布和数目，就可以更好地帮助质量保障团队及时、准确、客观地了解质量状态并有效地分配测试资源，从而提高软件测试效率、节约测试成本、保障软件质量。
通过开展软件缺陷预测技术相关研究，设计和实现有效的缺陷预测模型，无论在学术领域还是工业领域都具有一定的价值和意义。
二.相关研究基础 （1）软件缺陷预测步骤①从软件数据仓库（如版本控制系统、Bug跟踪系统和电子邮件等）获取数据。
并通过对软件程序和历史缺陷的挖掘与分析，可以提取不同粒度的程序模块并进行缺陷的标注：根据实际缺陷预测的任务和需求，提取粒度可设置为包（Package）、文件（File）、类（Class）或方法（Method）等。
