软件缺陷修复工作量预测是指在实际的修复工作开始之前对修复某条缺陷所需耗费的工作量进行预测。研究该问题具有重大的意义：为软件开发和维护过程中的资源分配提供决策支持；降低软件开发过程的不可预知性，提高软件过程的自动化水平；利于软件质量保障等。然而，由于软件缺陷修复工作量预测问题本身的复杂性和特殊性，该问题一直没有得到很好的解决。　　 已有的缺陷修复工作量预测模型通常使用非文本信息进行预测，普遍存在应用成本高、预测精度低、无法在缺陷生命周期的早期阶段进行预测、无法进行跨项目预测等缺点，离实用尚有较大距离。因此，需要对软件缺陷修复工作量预测问题进行更深入的研究。　　 TCEPM是一种基于文本分类技术的软件缺陷修复工作量预测模型，该模型假设相似的缺陷具有相似的描述文本，需要耗费相似的修复工作量。TCEPM模型通过使用SVM算法对缺陷描述文本进行分类，达到预测缺陷修复工作量的效果。TCEPM模型的预测过程主要包含三个步骤：1）使用中文分词、文本特征提取等技术对缺陷描述文本进行预处理，将缺陷描述文本转化为特征向量；2）使用SVM分类算法和经验缺陷数据，对预测模型进行训练；3）使用已训练的模型，对新提交缺陷所需的修复工作量进行预测。　　 实验结果表明，TCEPM模型能达到较高的预测精度，预测效果优于使用非文本信息的预测模型。此外，TCEPM模型还具有能在缺陷生命周期早期阶段进行预测、应用成本小，可以进行跨项目预测等特点，克服了已有预测模型的不足，具有较高的实用价值。