为保障软件供应链安全和抢占全球创新制高点，一些国家政府和大型企业大力扶持开源软件。开源软件由于在开发时间、空间、人员和项目管理上的诸多特点而大大增加了开发的复杂性，进而使得开源软件质量具有不确定性。针对这一问题，《数据驱动的开源软件缺陷管理研究》*次聚焦于开源项目资源库挖掘这一主题，展示如何利用大数据驱动方法支持开源软件缺陷管理。《数据驱动的开源软件缺陷管理研究》的内容包括开源软件项目缺陷预测、开源软件项目缺陷分配和开源软件项目缺陷定位。在缺陷预测方面，针对软件缺陷数据的非均衡性、多模态性、稀缺性和时间序列特性开展研究。在缺陷分配方面，针对开源软件缺陷解决过程中的开发人员参与情况和开发人员专长开展研究。在缺陷定位方面，针对开源软件缺陷修改牵涉面大而变更零散的特点开展研究。

目录
第1章 开源软件缺陷管理 1
1.1 研究背景 1
1.2 研究意义 2
1.3 研究综述 3
1.4 内容结构 7
参考文献 9
第2章 开源软件项目缺陷预测 11
2.1 问题描述 11
2.2 基于统计抽样的软件缺陷预测 12
2.3 基于特征过滤的软件缺陷预测 23
2.4 基于深度迁移学习的跨项目软件缺陷预测 34
2.5 基于多模态时间序列的软件缺陷数量分类研究 46
2.6 本章小结 54
参考文献 55
第3章 开源软件项目缺陷分配 58
3.1 基于缺陷相似度和开发者排名的开源软件缺陷分配方法 58
3.2 基于主题模型的开源软件缺陷分配方法 69
3.3 基于主题建模和异构网络分析的开源软件缺陷分配方法 77
3.4 本章小结 87
参考文献 88
第4章 开源软件项目缺陷定位 90
4.1 问题描述 90
4.2 基于缺陷修复历史的两阶段缺陷定位方法 92
4.3 细粒度软件缺陷定位方法 101
4.4 基于查询扩展的方法体级别缺陷定位方法 114
4.5 本章小结 127
参考文献 127
第5章 总结与展望 130
5.1 总结 130
5.2 展望 132
参考文献 133