使用漏洞预测模型来识别软件系统中包含漏洞的模块是一个常用的减少软件维护成本的方法。安全漏洞预测可以帮助测试人员了解软件系统中的漏洞分布情况,从而帮助测试人员合理规划测试资源并提高测试效率。在建立漏洞预测模型时,开发者可以使用软件度量信息或者文本特征信息作为特征集,即预测模型分为基于文本特征信息的模型和基于软件度量信息的模型。为了让测试人员能够更有针对性地选取合适的预测模型,我们需要对两类模型的预测性能在多种应用场景下进行全面的评价和比较。在本文中,我们分别在非工作量感知和工作量感知的上下文中,对两类预测模型的预测能力进行了全面的评估对比。为此,我们考查了两类领域的20个应用程序,分别收集了每个应用程序各个模块的文本特征信息和软件度量信息,然后对两类特征集分别建立漏洞预测模型。特别地,我们为了结果的全面性,分别在分类和排序两个应用场景下进行了项目内验证和跨项目验证。我们的实验结果表明,在非工作量感知和工作量感知的预测上下文中:(1)在分类场景下,基于文本特征信息的模型优于基于软件度量信息的模型;(2)在排序场景下,基于文本特征信息的模型优于基于软件度量信息的模型;(3)两类模型间的大部分效应值较小,从实际应用的角度看,基于软件度量信息的模型的预测性能堪比基于文本特征信息的模型;考虑到基于文本特征信息的模型在提取文本特征和建立模型时的代价较大,我们建议使用基于软件度量信息的改进模型进行工作量感知的软件安全漏洞预测。