软件缺陷报告是开发人员和使用者在软件开发和维护中提交到软件缺陷库中的软件系统的错误。要管理铺天盖地而来的软件缺陷报告无疑是一项挑战性的任务。传统的方法是人工辨别，这种方法耗时费力，会延误重要软件缺陷的修复。基于数据挖掘中的分类技术，论文提出了一种机器学习的方法来开发软件缺陷优先级分类器，以实现对新提交的软件缺陷自动分配适当的优先级。由于软件缺陷报告的文本属性包含了软件缺陷的许多重要信息，在bug修复过程中起了至关重要的作用。要选择合适的文本特征词，就需用到文本分类技术对其形式化，论文根据传统的文本特征词选择算法提出了一种改进的基于语义分析的文本证据权的特征词选择算法。在此基础之上论文利用支持向量机的方法进行软件缺陷预测，支持向量机可以把线性不可分的原始数据映射到线性可分的高维空间，在新的映射数据中找到分类平面，满足软件缺陷报告优先级的分布情况的需要。最后，论文又提出一种基于AdaBoost-SVM算法的软件缺陷优先级预测方法，由支持向量机做自适应增强算法（AdaBoost）的弱学习机，此方法利用了AdaBoost的优势，在训练过程中侧重错分的样本，最终获得强分类器。分类器的实验评估是使用精确度、召回率和F值来衡量。实验表明，基于AdaBoost-SVM算法的软件缺陷优先级预测方法的各项指标均有所改善，尤其是召回率，但是运算复杂度高于基于SVM算法的预测方法。