摘要
摘要
Agrawal A，Fu W，Chen D，Shen X，Menzies T（2019）《如何“回避”复杂的软件分析》。 IEEE软件工程学报（TSE’19），第1-13页 谷歌学者 
Agrawal A，Menzies T（2018）“更好的数据”比“更好的挖掘者”更好吗？。 在：2018年IEEE/ACM第40届软件工程国际会议（ICSE'18）。 IEEE，第1050–1061页 谷歌学者 使用内部质量属性预测面向对象的类重用倾向 Empir软件工程（EMSE’14） 2014 19 4 775 821 2007年10月10日/10664-012-9239-3 谷歌学者 数字图书馆 
置换重要性：一种修正的特征重要性度量 生物信息学 2010 26 10 1340 1347 10.1093/生物信息学/btq134 谷歌学者 数字图书馆 Anvik J、Hiew L、Murphy GC（2006）谁应该修复此错误？。 摘自：第28届软件工程国际会议记录（ICSE’06），第361–370页 谷歌学者 Arellano AV（2019）使用公共媒体文本挖掘进行流行病监测。 北卡罗来纳州立大学 谷歌学者 计算语言学的代码间协议 计算机语言学家 2008 34 4 555 596 10.1162/coli.07-034-R2 谷歌学者 数字图书馆 基于评估者的测试的可靠性：使用模拟构造模型确定上下文相关的协议阈值 BMC医学研究方法 2018 18 1 1 12 10.1186/s12874-018-0606-7 谷歌学者 交叉引用 
配置基于潜在dirichlet分配的特征位置 Empir软件工程（EMSE’14） 2014 19 三 465 500 2007年10月10日/10664-012-9224-x 谷歌学者 数字图书馆 Bortis G，Van Der Hoek A（2013）Porchlight：一种基于标签的漏洞测试方法。 2013年第35届国际软件工程会议（ICSE）。 IEEE，第342–351页 谷歌学者 Bosblaugh S（2012）《简单统计：桌面快速参考》。 O'Reilly Media公司。 谷歌学者 Caglayan B、Misirli AT、Miranskyy A、Turhan B、Bener A（2012）重新开放问题的特征因素：案例研究。 摘自：第八届软件工程预测模型国际会议论文集，第1-10页 谷歌学者 脏分类变量学习的相似编码 马赫数学习 2018 107 8-10 1477 1494 3835275 2007年10月10日/10994-018-5724-2 谷歌学者 数字图书馆 用于建筑性能模拟的先进机器学习技术：比较分析 J构建执行模拟 2019 12 2 193 207 10.1080/19401493.2018.1498538 谷歌学者 交叉引用 SMOTE：合成少数人过采样技术 J Artif智能研究 2002 16 321 357 994.68128 10.1613/jair.953 谷歌学者 交叉引用 Chen D，Fu W，Krishna R，Menzies T（2018）《心理科学在可操作分析中的应用》。 摘自：第26届ACM欧洲软件工程联合会议会议记录和软件工程基础研讨会，第456–467页 谷歌学者 体系结构恢复背景下软件集群的词汇信息权重 Empir软件工程（EMSE’16） 2016 21 1 72 103 2007年10月10日/10664-014-9347-3 谷歌学者 数字图书馆 扎根理论研究：程序、规范和评估标准 定性社会学 1990 13 1 三 21 2007年10月10日/BF00988593 谷歌学者 交叉引用 快速发布周期对固定问题集成延迟的影响 Empir Softw Eng（2018年EMSE） 2018 23 2 835 904 2007年10月10日/10664-017-9548-7 谷歌学者 数字图书馆 Denny M，Spirling A（2017）《无监督学习的文本预处理：为什么重要，何时误导，以及如何应对》（2017年9月27日） 谷歌学者 软件分析调整：真的有必要吗？ Inf Softw Technol公司 2016 76 135 146 10.1016/j.infsof.2016.04.017 谷歌学者 数字图书馆 Ghotra B、McIntosh S、Hassan AE（2015）《重新审视分类技术对缺陷预测模型性能的影响》。 2015年IEEE/ACM第37届IEEE软件工程国际会议（ICSE’15），第1卷。 IEEE，第789–800页 谷歌学者 Ghotra B、McIntosh S、Hassan AE（2017）关于特征选择技术对缺陷分类模型影响的大规模研究。 在：2017年IEEE/ACM第14届采矿软件存储库国际会议（MSR'17）。 IEEE，第146-157页 谷歌学者 Guo PJ，Zimmermann T，Nagappan N，Murphy B（2010）《描述和预测哪些错误得到修复：微软窗口的实证研究》。 In:第32届ACM/IEEE软件工程国际会议（ICSE’10）会议记录-第1卷，第495-504页 谷歌学者 Guo PJ、Zimmermann T、Nagappan N、Murphy B（2011）“不是我的错误！” 以及软件错误报告重新分配的其他原因。 摘自：ACM 2011年计算机支持的合作工作会议记录，第395-404页 谷歌学者 Hardeniya N、Perkins J、Chopra D、Joshi N、Mathur I（2016）《自然语言处理：python和nltk》。 Packt出版有限公司 谷歌学者 响应对编码数据的标准可靠性度量的呼吁 常用方法测量 2007 1 1 77 89 10.1080/19312450709336664 谷歌学者 交叉引用 He H，Ma Y（2013）《非平衡学习：基础、算法和应用》。 威利 谷歌学者 Hébert A（2020）用机器学习估计道路事故风险。 康考迪亚大学博士论文 谷歌学者 预处理非正式文本以进行有效的情感分析 国际J新兴趋势技术计算科学（IJETTCS） 2012 1 2 58 61 谷歌学者 Herzig K，Nagappan N（2015）使用关联规则经验检测虚假测试警报。 2015年IEEE/ACM第37届IEEE软件工程国际会议（ICSE’15），第2卷。 IEEE，第39–48页 谷歌学者 Jalbert N，Weimer W（2008），缺陷跟踪系统的自动重复检测。 2008年IEEE关于具有FTCS和DCC（DSN）的可靠系统和网络国际会议。 IEEE，第52-61页 谷歌学者 Jiarpakdee J、Tantithamthavorn C、Hassan AE（2019）相关指标对缺陷模型解释的影响。 IEEE软件工程学报（TSE’19） 谷歌学者 Jiarpakdee J、Tantithamthavorn C、Treude C（2018）《Autospearman：自动缓解解释缺陷模型的相关软件度量》。 2018年IEEE软件维护和进化国际会议（ICSME’18）。 IEEE计算机学会，第92–103页 谷歌学者 自动特征选择技术对缺陷模型解释的影响 Empir Softw Eng公司（EMSE’20） 2020 25 5 3590 3638 10.1007/s10664-020-09848-1 谷歌学者 数字图书馆 文本挖掘的预处理技术 国际计算机科学通讯网 2014 5 1 7 16 谷歌学者 数据挖掘中的泄漏：制定、检测和避免 ACM Trans Knowl发现数据（TKDD’12） 2012 6 4 1 21 2014年10月14日/2382577.2382579 谷歌学者 数字图书馆 流行雷艇模型特性的实证研究 Empir Softw Eng公司（EMSE’20） 2020 25 5 3396 3429 2007年10月10日/10664-020-09840-9 谷歌学者 数字图书馆 软件缺陷预测的基准分类模型：一个提议的框架和新发现 IEEE Trans Softw Eng（2008年TSE） 2008 34 4 485 496 10.1109/TSE.2008.35 谷歌学者 数字图书馆 Li H，Shang W，Adams B，Sayagh M，Hassan AE（2020）从开发商的角度对伐木效益和成本进行定性研究。 IEEE软件工程学报（TSE’20） 谷歌学者 模型可解释性的神话 排队 2018 16 三 31 57 10.1145/3236386.3241340 谷歌学者 数字图书馆 基于非平衡数据的软件变更预测实证研究 Empir Softw Eng（2017年EMSE） 2017 22 6 2806 2851 2007年10月10日/10664-016-9488-7 谷歌学者 数字图书馆 现代代码评审实践对软件质量影响的实证研究 Empir软件工程（EMSE’16） 2016 21 5 2146 2189 2007年10月10日/10664-015-9381-9 谷歌学者 数字图书馆 示例：用于查找高度相关应用程序的源代码搜索引擎 IEEE Trans Softw Eng（TSE’11） 2011 38 5 1069 1087 10.1109/TSE.2011.84 谷歌学者 数字图书馆 Méndez JR，Iglesias EL，Fdez-Riverola F，Díaz F，Corchado JM（2005），反垃圾邮件过滤域上的标记、词干和停止词删除。 在：西班牙人工智能协会会议。 施普林格，第449–458页 谷歌学者 Meyer TA、Whateley B（2004）Spambayes：有效的开源、基于贝叶斯的电子邮件分类系统。。 收件人：CEAS。 Citeser公司 谷歌学者 Mi Q，Keung J（2016）基于开源项目的重新打开的错误的实证分析。 摘自：《第20届软件工程评估与评估国际会议论文集》，第1-10页 谷歌学者 并非所有重新打开的错误都是负面的：对eclipse错误报告的案例研究 Inf Softw Technol公司 2018 99 93 97 10.1016/j.infsof.2018.03.006 谷歌学者 数字图书馆 基于ROC曲线的软件缺陷预测模型评估 Empir Softw Eng公司（EMSE’20） 2020 25 5 3977 4019 2007年10月10日/10664-020-09861-4 谷歌学者 数字图书馆 Murphy G，Cubranic D（2004）使用文本分类进行自动错误分类。 摘自：《第十六届软件工程与知识工程国际会议论文集》，Citeser，第1-6页 谷歌学者 基于功能请求的软件重构建议 Empir Softw Eng公司（EMSE’20） 2020 25 5 4315 4347 2007年10月10日/10664-020-09871-2 谷歌学者 数字图书馆 Rajbahadur GK，Wang S，Ansaldi G，Kamei Y，Hassan AE（2021）特征重要性方法对缺陷分类器解释的影响。 IEEE软件工程学报（TSE’21） 谷歌学者 Rajbahadur GK，Wang S，Kamei Y，Hassan AE（2017）使用回归模型构建缺陷分类器的影响。 2017年IEEE/ACM第14届国际采矿软件库会议（MSR’17）。 IEEE，第135–145页 谷歌学者 Rajbahadur GK，Wang S，Kamei Y，Hassan AE（2019）因变量离散化噪声对软件工程中机器学习分类器的影响。IEEE Trans-Softw Eng（TSE’19）：1–18 谷歌学者 重新评估检索重复问题报告的自动化方法的性能 IEEE Trans Softw Eng（2017年TSE） 2017 44 12 1245 1268 10.1109/TSE.2017.2755005 谷歌学者 数字图书馆 错误是如何产生的：一个识别错误是如何引入软件组件的模型 Empir Softw Eng公司（EMSE’20） 2020 25 2 1294 1340 2007年10月10日/10664-019-09781-y 谷歌学者 交叉引用 了解长期存在的错误的分类和修复过程 Inf Softw Technol公司 2015 65 114 128 10.1016/j.infsof.2015.03.002 谷歌学者 数字图书馆 Scikit learn（2020）调整估计器的超参数。 https://scikit-learn.org/stable/modules/grid_search.html#grid -搜索 ，[在线；2020年6月8日访问] 谷歌学者 Scoccia GL，Autili M（2020）桌面应用程序的Web框架：一项探索性研究。 摘自：第14届ACM/IEEE国际经验软件工程与测量研讨会（ESEM'20）会议记录，第1-6页 谷歌学者 Shihab E、Ihara A、Kamei Y、Ibrahim WM、Ohira M、Adams B、Hassan AE、Matsumoto K-（2010）《预测再次开放的错误：月食项目的案例研究》。 2010年第17届逆向工程工作会议。IEEE，第249-258页 谷歌学者 研究开源软件中重新打开的错误 Empir Softw Eng（2013年EMSE） 2013 18 5 1005 1042 2007年10月10日/10664-012-9228-6 谷歌学者 交叉引用 Somasundaram K，Murphy GC（2012）使用潜在dirichlet分配自动分类错误报告。 摘自：第五届印度软件工程会议记录，第125-130页 谷歌学者 文本分类中文本表示方法的比较研究 模式分析和应用 2005 8 1-2 199 209 2196273 10.1007/s10044-005-0256-3 谷歌学者 文本分类中预处理技术的评价 国际计算机科学应用杂志 2010 47 11 49 51 谷歌学者 Stolberg S（2009）通过持续集成实现敏捷测试。 2009年敏捷大会。 IEEE，第369–374页 谷歌学者 Tantithamthavorn C、Hassan AE、Matsumoto K（2018）类别再平衡技术对缺陷预测模型性能和解释的影响。 IEEE软件工程学报（TSE’18） 谷歌学者 Tantithamthavorn C，McIntosh S，Hassan AE，Matsumoto K（2016）缺陷预测模型分类技术的自动参数优化。 摘自：第38届国际软件工程会议（ICSE’16），第321–332页 谷歌学者 缺陷预测模型的模型验证技术的实证比较 IEEE Trans Softw Eng（2016年TSE） 2016 43 1 1 18 谷歌学者 数字图书馆 Tian Y，Sun C，Lo D（2012）改进了重复错误报告识别。 收录：2012年第16届欧洲软件维护和重组会议。IEEE，第385–390页 谷歌学者 Tian Y，Wijedasa D，Lo D，Le Goues C（2016）学习为错误报告受让人推荐排名。 2016年IEEE第24届程序理解国际会议（ICPC’16）。 IEEE，第1-10页 谷歌学者 涂F，朱军，郑Q，周M（2018）《当心何时：与时间相关的问题跟踪数据滥用的实证研究》。 在：2018年第26届ACM欧洲软件工程联席会议和软件工程基础研讨会论文集，第307–318页 谷歌学者 软件故障预测的分层递归神经网络迭代特征选择算法 专家系统应用 2019 122 27 42 2016年10月10日/j.eswa.2018.12.033 谷歌学者 数字图书馆 预处理对文本分类的影响 Inf流程管理 2014 50 1 104 112 10.1016/j.ipm.2013.08.006 谷歌学者 数字图书馆 开发人员如何在不同的环境中使用静态分析工具 Empir Softw Eng公司（EMSE’20） 2020 25 2 1419 1457 2007年10月10日/10664-019-09750-5 谷歌学者 交叉引用 Vieira R、da Silva A、Rocha L、Gomes JP（2019）从报告到bug-fix提交：来自55个apache开源项目的10年bug-fixing活动数据集。 摘自：《第十五届软件工程预测模型和数据分析国际会议论文集》，第80–89页 谷歌学者 大火烈鸟（phoenicopterus roseus）足跖炎评分模型的个体间和个体内一致性评估 动物园野生动物医学杂志 2020 51 2 379 384 10.1638/2019-0219 谷歌学者 使用专门的主题模型改进自动错误分类 IEEE Trans Softw Eng（2016年TSE） 2016 43 三 272 297 10.1109/TSE.2016.2576454 谷歌学者 数字图书馆 自动、高精度地预测重新打开的错误 自动软件工程（ASE’15） 2015 22 1 75 109 2007年10月10日/10515-014-0162-2 谷歌学者 数字图书馆 Xia X，Lo D，Wang X，Yang X，Li S，Sun J（2013）用于重新打开错误预测的监督学习算法的比较研究。 摘自：2013年第17届欧洲软件维护和再工程会议。IEEE，第331–334页 谷歌学者 Xia X，Lo D，Wang X，Zhou B（2013）针对错误解决的准确开发人员建议。 2013年第20届逆向工程工作会议（WCRE）。 IEEE，第72–81页 谷歌学者 Xia X，Lo D，Wen M，Shihab E，Zhou B（2014）错误报告字段重新分配的实证研究。 2014年软件进化周——IEEE软件维护、再工程和逆向工程会议（CSMR-WCRE’14）。 IEEE，第174-183页 谷歌学者 利用软件数据简化技术实现有效的错误分类 IEEE Trans Knowl数据工程 2014 27 1 264 280 10.1109/TKDE.2014.2324590 谷歌学者 Xuan J，Jiang H，Ren Z，Zou W（2012）开发人员在错误库中的优先级。 2012年第34届国际软件工程会议（ICSE’12）。 IEEE，第25-35页 谷歌学者 基于缺陷分类专业知识得分的软件开发人员排名 Inf Softw Technol公司 2019 112 1 17 10.1016/j.infsof.2019.03.014 谷歌学者 数字图书馆 Yatish S，Jiarpakdee J，Thongtanunam P，Tanthithavorn C（2019）挖掘软件缺陷：我们应该考虑受影响的版本吗？。 参见：IEEE/ACM第41届国际软件工程会议（ICSE’19）。 IEEE，第654-665页 谷歌学者 曾毅，蒋可，陈杰（2019）利用深度卷积神经网络进行地震盐自动解释。 摘自：第三届信息系统和数据挖掘国际会议记录，第16-20页 谷歌学者 Zhang H，Wang S，Chen T-H，Hassan AE（2020）关于堆栈溢出的评论是否组织得很好，便于开发人员检索？ ACM Trans Softw Eng Methodol公司（TOSEM’20）29 谷歌学者 Zhang H，Wang S，Chen T-H，Zou Y，Hassan AE（2019）关于堆栈溢出过时答案的实证研究。 IEEE软件工程学报（TSE’19） 谷歌学者 Zheng A，Casari A（2018）《机器学习的特征工程：数据科学家的原理和技术》。 O'Reilly Media公司。 谷歌学者 Zimmermann T，Nagappan N，Guo PJ，Murphy B（2012）描述和预测哪些漏洞会重新打开。 2012年：第34届国际软件工程会议（ICSE’12）。 IEEE，第1074–1083页 谷歌学者
建议
基于开源项目的重开漏洞实证分析 EASE’16：第20届软件工程评估国际会议论文集 背景： 修复错误是一项长期而耗时的活动。 软件错误经历了一个典型的生命周期，从新报告到最终由开发人员关闭，但由于以下原因，它可能会重新打开以进行进一步操作。。。 重新打开的错误的自动、高精度预测 错误修复是软件开发生命周期中最耗时、最昂贵的活动之一。 一般来说，错误是在错误跟踪系统中报告的，由分类小组进行验证，然后指派人员进行修复，最后验证并关闭。。。 重复错误的特征：从业者的感知和实证分析 摘要 错误处理是软件开发过程的一个重要部分。 理想情况下，在错误跟踪系统中，错误会被报告、修复、验证和关闭。 在某些情况下，错误必须重新打开，主要是因为修复不正确。 然而，不是。。。 我们的研究调查了唯一错误和重复错误之间的差异，并将重复错误进一步分类为主未解决错误（类别-1）和错过重新打开错误（类别-2）。 通过对错误报告的调查，我们发现重复项多达。。。
