随着软件项目需求的急速增长,在软件设计与实现的过程中难免会存在一些缺陷。当软件项目的使用者以及测试人员,发现程序运行过程中出现与预期结果不一样的情形时,会及时向缺陷追踪管理系统报告自己发现的缺陷。但对于大型开源软件项目而言,缺陷追踪管理系统每天都会收到大量的缺陷报告。如果依靠开发人员手动检查并寻找相关源代码所在位置,是一件极其耗费时间与精力的事,因此将缺陷报告中的缺陷自动定位到相关源代码就显得至关重要。基于信息检索的缺陷报告定位方法因其速度快,消耗资源少,而一直成为该领域的研究热点。但它也存在不足,该方法主要依赖于缺陷报告与源代码文件之间的文本相似性,而自然语言编写的缺陷报告与编程语言编写的源代码存在词汇鸿沟问题,这使得基于信息检索的方法无法发挥优势。尤其是方法级缺陷报告定位研究,因为方法体的代码量较少,所包含的文本信息更少,这就使得方法级缺陷报告定位精度一直无法得到提升。针对这些问题,本文分别研究了方法级及文件级缺陷报告定位方法,具体工作如下:对于方法级缺陷报告定位研究,首先从语义相似度、时间邻近度、调用依赖度三个方面,拓展方法体的文本信息,丰富其语义信息,弥补因方法体所包含文本信息少而带来的缺陷报告定位精度不足的问题。另外再结合软件项目的元数据特征提高定位精度。最后,将这些特征线性融合作为评分函数,根据相关性得分从大到小排序,向开发人员推荐可能具有缺陷的方法体。对于文件级缺陷报告定位研究,首先通过历史相似缺陷报告下的评论人员构建开发者社交网络,采用7种度量方式衡量每一个开发人员的重要程度,寻找最适合修复缺陷的开发人员,那么这些开发人员之前修复的源代码文件很有可能仍然是具有缺陷的文件。挖掘与方法级缺陷报告定位研究相同的元数据特征提取,以及相同的特征融合方式,向开发人员推荐可能有缺陷的源代码文件。