众包测试是一种新兴的软件测试方法,已经引起了学术界和工业界的广泛关注。在众包测试中,测试工人帮助软件管理者执行测试并提交测试报告,在这个过程中,软件管理者需要对提交的测试报告进行人工审查和评估。在对测试报告评估的过程中,绩效考核方式尤为重要,绩效考核方式反映了任务请求者或众测平台将如何评价测试工人的任务完成情况。给测试人员设立一系列的奖励机制可以有效的提升测试人员的积极性,从而提高测试人员提交的测试报告的质量。激励机制的设计必须经过深思熟虑,许多工人试图快速完成一项工作来最大化他们的利润,因此导致他们提交的缺陷报告质量不高。为了提高测试工人提交缺陷报告的质量同时合理的对测试工人的工作进行评估,本文对基于众包测试平台绩效考核方法进行了研究,主要取得了下面三项研究成果。(1)为了解决在自动化系统的设计当中如何将任务的难易程度进行量化的难题,本文提出了基于文本相似度的缺陷报告重复性检测方法,将缺陷报告的重复性用于衡量任务的难易程度,并且将其作为绩效考核的重要指标。(2)为了解决对测试工人提交的缺陷报告进行优先级分类的问题,本文提出基于深度学习的缺陷报告优先级分类模型,设计了基于CNN和Bi-LSTM结合的文本分类模型,并且在大规模的开源项目Eclipse缺陷库上进行实验并取得了不错的效果。(3)提出了基于缺陷报告难易程度以及缺陷报告优先级分类的众包测试平台绩效考核模型。该模型融入了缺陷报告重复性检测方法以及优先级分类方法,成功地将众包测试平台绩效考核模型的多个评估指标考虑进去,包括任务的数量,任务的难易程度以及任务的优先级。将此模型与当前市面上一些典型的众包测试平台绩效考核模型进行对比,模型的性能在各方面都优于其他考核模型。