Intelligent Software Engineering Lab

本课题隶属实证软件工程 Evidence-based Software Engineering (EBSE)，又称Empirical Software Engineering，它对软件开发过程中留下来的数据集中在软件仓库中，进行分析和挖掘，找出其中隐藏的有关软件开发的信息，达到对软件开发的规律发现、过程改进、估量与预测、项目监控的目的，例如：

1. 项目的开发过程是否和原先计划的一致？软件的实际架构是否和原先设计的一致？ 　　
   
2. 如何根据以前项目的数据，对一个新项目进行更精确的进度、成本和缺陷的估算和预测？根据当前的测试情况，软件在下一版本或运行期间会有多少缺陷？ 　　
   
3. 开发人员的生产率、开发质量和贡献度与哪些因素密切相关？ 　　
   
4. 软件演化和变更的规律是什么？ 　　
   

等等。

软件仓库中的数据包括输入（不限于）：
　　1) 版本管理系统（如SVN等）中的日志信息；
　　2) 缺陷跟踪系统（如Bugzilla等）中的缺陷提出和修复信息；
　　3) 项目管理系统中的项目计划、资源分配、过程执行等信息；
　　4) 项目开发人员的交流历史信息，如Mail List、twitter等；
　　5) 软件系统运行时的日志和系统信息；
　　6) 用户使用软件的使用轨迹和反馈数据等。
　　软件仓库挖掘技术，以缺陷预测为例，它将基于开源软件提供的软件仓库，识别和提取预测指标，包括源代码指标、变更指标、缺陷指标、社会网络指标等；然后针对指标数据特点和指标跟缺陷的关联度来改进机器学习模型；最后利用改进的机器学习模型，将这些指标作为输入，得到缺陷预测数据。

　　–以上研究得到985经费的资助 2011年～2014年