随着软件功能及其开发过程越来越复杂,Bug仓库追踪报告的Bug数量急剧增加。传统的人工判读和分析已经无法适应大规模的Bug数据,越来越多的基于文本分类的自动Bug分派研究应运而生。大多数研究都将Bug报告中的短描述作为文本信息,再在分派模型上进行优化,忽略了可以提供更多信息但同样也会带来更多噪音的长描述。如果数据集质量不高,无论如何优化分派模型也不会达到很好的效果。另一方面,Bug数目巨大,开发人员的时间和人数有限,所以优先修复影响较大的Bug报告,可以将它们带来的损害最小化。然而,Bug报告数据集往往是不平衡的。因此,为了提高Bug仓库中Bug报告的维护和管理,减少人工成本,需要对文本描述信息中包含的噪音多及如何有效识别高影响力Bug报告作进一步研究。考虑到Bug不同其对系统造成的潜在威胁也不同,严重程度越高的Bug报告越应该优先解决。针对数据集规模大、质量低且数据不平衡的现象,本论文对其Bug分派方法进行了研究,主要贡献如下:(1)提出了一种加权优化的Bug分派方法,通过去除冗余特征和噪音样本,在保证权值和二元约束的同时最大化Bug分派的正确率,建立一个高质量的缺陷数据集。本文提出的技术建立在三种特征选择算法和四种实例选择算法的基础上,目的是在训练数据集存在噪声的情况下也能自动准确地进行Bug分派。实验结果表明,本文所提出的基于加权优化的Bug分派方法在几种情况下均能达到较好的训练精度,优化后数据集的正确率比原始训练集提高4%左右。(2)提出了一种基于启发式约简与不平衡处理的高影响力Bug报告识别方法。在数据约简阶段,我们将特征选择和实例选择与遗传算法相结合,通过删除冗余或非信息性的错误报告和词汇,构建规模小质量高的错误报告集合;在不平衡处理阶段,我们通过四种不平衡学习策略来处理错误报告的不平衡分布。实验证明,将数据约简与不平衡学习策略相结合的方法能够有效识别高影响的Bug报告。