Page 142 - 《软件学报》2025年第4期
P. 142
1548 软件学报 2025 年第 36 卷第 4 期
本文整理了基于信息检索的缺陷定位方法论文被引用次数, 不同年份的使用深度学习的基于信息检索的缺陷定位
方法用不同颜色标识, 非使用深度学习的基于信息检索的缺陷定位方法已用深蓝色标出. 此项统计的目的是便于
后续研究对比不同方法的效果并选取合适的对比基线.
BugLocator [7] 32
DNNLOC [29] 20
NP-CNN [15] 17
DeepLocator [30] 12
DeepLoc [36] 9
LR [82] 9
LS-CNN [28] 7
CAST [35] 6
CG-CNN [39] 6
KGBugLocator [43] 6
LR+WE [90] 6
HyLoc [14] 5
BLUiR [9] 4
CNN 4
Naïve Bayes [80] 4
TRANP-CNN [34] 4
AmaLgam [11] 3
cFlow [57] 3
DreamLoc [49] 3
BLIA1.5 [77] 2
BugTranslator [31] 2
DEMOB [47] 2
DNN [79] 2
FBL-BERT [52] 2
FLIM [54] 2
TCA+ [89] 2 2015
AdaptiveBL [84] 1
IRRF [86] 1 2016
Blizzard [92] 1
BugPecker [17] 1 2017
Burak [87] 1
Deep Walk [81] 1 2018
FineLocator [91] 1
2019
Locus [13] 1 年发表的
LSTM [93] 1
MD-CNN [41] 1 2020
NN Filter [87] 1
SLS-CNN [37] 1 2021
TBERT [83] 1
Two-phase [92] 1 2022
VSM [88] 1
YBL [85] 1 非使用深度学习的基于信息检索的缺陷定位方法
图 8 基线间相互引用情况统计
从图 8 中可以明显看出, 最常被作为基线的方法可以在后续的基于信息检索的缺陷定位方法中加以利用. 同
时, 也存在一些缺陷定位方法没有被其他方法作为基线引用, 为简洁起见, 图中未展示这些工作. 导致这种情况的
可能原因有以下 4 点.
(1) 在该数据集上是最先进的方法. 如 2022 bjXnet [19] , 2020 年发表的 BugPecker [17] 等方法在部分测
评数据集上定位效果最佳, 是现阶段最先进的方法.
(2) 使用相同定位粒度的方法较少, 没有统一的数据集进行横向比较. 如解决方法级别的缺陷定位问题的只
有 MRAM [48] 和 BugPecker [17] 两篇论文, 且这两个方法的测评数据集规模存在差距, 因此后发表的 MRAM 不便将
先发表的 BugPecker 作为基线方法引用.
(3) 论文年份较新, 还没有更新的缺陷定位论文将其作为基线方法进行对比. 如 RLcoator [63] , MLA [56] 等方法是
因为其发表时间较近, 并且没有对方法开源, 因此目前没有论文将其作为基线进行效果对比.
(4) 还有一些方法没有被作为基线引用可能是因为在相同定位思路的方法中, 存在效果更佳的方法. 新提出的
方法倾向于将定位结果更好的方法作为基线引用.
