15、精确且有效的修复时间预测方法探索

精确且有效的修复时间预测方法探索

在软件开发和问题管理过程中，准确预测问题的修复时间至关重要。本文将介绍一种发现精确且有效的修复时间预测模型（FTPM）的方法，涵盖从数据处理到模型建立和评估的全过程。

1. 事件合并与排序规则

首先，我们需要对同时发生的事件进行合并和排序。默认的排序规则依赖于“what”字段，例如涉及“milestone”属性的事件要先于涉及“CC”的事件，“priority”（优先级）更新要先于“severity”（严重程度）更新。以下是默认的宏观事件准则：
| 优先级级别（lev.） | 错误属性 | 合并规则（宏观事件活动标签） | 排序规则（排序关系） |
| — | — | — | — |
| 1 | status, resolution | α(⟨, , status, , ⟩)+ “+” + α(⟨, , resolution, , ⟩) | — |
| 2 | priority, severity, assignee | — | priority<severity<assignee |
| 3 | milestone, CC | — | milestone<CC |

例如，对于图 1 中的事件，第 9 和第 10 个事件会合并为一个，标签为“state:=resolved + resolution:=fixed”。

2. 跟踪操作符

通过应用前面介绍的事件操作符，每个错误历史可以转换为“过程跟踪”，即一系列解决任务。为了有效应用面向过程的预测技术，需要将跟踪转换为抽象的面向状态的形式，同时利用上下文信息提高修复时间预测的准确性。这涉及两个方面： <