随着软件的应用领域不断扩大,人们对软件服务的要求越来越高,软件的规模与复杂程度日益剧增,软件系统存在着各类软件缺陷,软件质量难以保障。传统的软件度量方法主要关注软件局部特征,度量的粒度较小,导致应用传统软件度量方法的软件缺陷评估模型具有一定的局限性。软件系统结构中复杂网络特性的发现给软件结构特征度量研究提供了新的思路,可以运用复杂网络理论与方法从软件网络的角度度量软件结构特征,发现软件中较为复杂或者重要的软件实体,因此,利用复杂网络理论与方法研究软件缺陷评估模型具有重要意义。本文从软件网络的角度出发,运用复杂网络理论与方法,并结合结构化程序度量方法和面向对象软件度量方法,对软件结构特征进行度量,将软件缺陷评估看作3个分类或回归的子问题,包括每个类是否存在缺陷、软件缺陷严重度评估和软件缺陷优先级评估,根据软件结构特征的度量数据与软件缺陷数据,进行机器学习,构建出基于复杂网络的软件缺陷评估模型,该模型可以评估类层次的软件缺陷,给出每个类有无缺陷、缺陷的严重度及缺陷的优先级。本文在Windows 7环境下针对开源软件Hibernate构建了基于复杂网络的软件缺陷评估模型,经过实验数据对比,每个子模型均选用随机森林模型,实验结果表明了该软件缺陷评估模型的有效性和准确性。