Eclipse and Mozilla Defect Tracking Dataset

包含从Eclipse和Mozilla项目中提取的超过200,000个报告的缺陷跟踪数据集。该数据集不仅提供了一个缺陷报告的快照，还包括了缺陷报告生命周期中所有增量的修改。

This dataset comprises over 200,000 defect tracking reports extracted from the Eclipse and Mozilla projects. It not only provides a snapshot of defect reports but also includes all incremental modifications throughout the lifecycle of these defect reports.

原始信息汇总

数据集概述

数据集名称

Mozilla and Eclipse Defect Tracking Dataset

数据集描述

该数据集包含从Eclipse和Mozilla项目中提取的超过200,000个报告的缺陷。数据集不仅提供缺陷报告的单一快照，还包括缺陷报告生命周期中所有增量的修改。

数据集结构

数据集以一组XML文件的形式组织，每个项目（Eclipse和Mozilla）都有独立的目录，包含之前选定的产品。每个产品目录中，针对每个缺陷属性都有一个XML文件，其中包含相应的信息。特别地，reports.xml包含报告后未更改的属性，而其他XML文件则提供特定属性发生的所有更新。

数据集内容

• Eclipse项目包含以下产品及其报告数量：

  • Platform: 22个组件，24,775个报告
  • JDT: 6个组件，10,814个报告
  • CDT: 20个组件，5,640个报告
  • GEF: 5个组件，5,655个报告

• Mozilla项目包含以下产品及其报告数量：

  • Core: 137个组件，74,292个报告
  • Firefox: 47个组件，69,879个报告
  • Thunderbird: 23个组件，19,237个报告
  • Bugzilla: 21个组件，4,616个报告

数据集特点

每个报告在数据集中都附带一个修改列表，提供了完整的更新历史。这些修改可能包括报告的不完整性、不准确信息或当前开发状态的更新（如从新到已分配再到已关闭的状态变化）。

搜集汇总

数据集介绍

构建方式

该数据集的构建基于Eclipse和Mozilla两个项目中的软件缺陷报告，总计超过20万份报告。构建过程中，不仅包含了每个缺陷报告的静态快照，还记录了报告生命周期内所有的增量修改。具体而言，数据集分为Eclipse和Mozilla两个子集，每个子集再按照不同的产品进行划分，每个产品目录下包含了多个XML文件，分别记录了报告的不同属性及其更新历史。

特点

本数据集的特点在于其详尽地记录了缺陷报告的动态变化过程，包括报告的创建、更新以及状态的变更。此外，数据集涵盖了多个产品的缺陷报告，使得研究人员能够对不同产品的缺陷管理流程进行比较分析。其结构化存储于XML文件中，便于数据的检索与处理。

使用方法

用户在使用该数据集时，可以直接访问对应的GitHub页面以获取数据集的详细描述和示例。数据集以XML文件形式组织，用户需要解析XML文件以提取所需信息。针对特定的研究目的，用户可以筛选特定的产品或属性进行深入分析。此外，数据集的维护者鼓励用户提出改进建议，并将研究成果和脚本贡献回GitHub仓库，以促进数据集的持续发展。

背景与挑战

背景概述

在软件工程领域，缺陷跟踪数据集对于理解软件维护过程和提升软件质量至关重要。Eclipse和Mozilla作为业界广泛使用的软件平台，其缺陷跟踪数据集便成为了研究的热点。该数据集名为Eclipse and Mozilla Defect Tracking Dataset，创建于2013年，由Ahmed Lamkanfi、Javier Perez和Serge Demeyer等研究人员构建。该数据集涵盖了从Eclipse和Mozilla项目中提取的超过20万份报告的缺陷，其中不仅包含了缺陷报告的静态快照，还包含了报告生命周期中的所有增量修改。这一数据集为研究人员提供了一种真实世界场景，以探索缺陷报告的动态变化，对于软件缺陷预测、分类和过程改进等领域产生了深远的影响。

当前挑战

尽管Eclipse and Mozilla Defect Tracking Dataset为缺陷跟踪研究提供了宝贵的资源，但在使用该数据集时仍面临一些挑战。首先，如何有效处理和解析数据集中复杂的缺陷报告更新历史是一个问题。其次，数据集的多样性和规模给数据清洗和标准化带来了挑战。此外，将这一数据集与其他类型的软件仓库（如源代码版本控制系统）进行集成，以便进行更深入的多维度分析，也是当前研究中的一个重要挑战。

常用场景

经典使用场景

在软件工程领域，针对缺陷跟踪的研究与实践至关重要。Eclipse and Mozilla Defect Tracking Dataset作为一种集成化的缺陷报告数据集，其经典使用场景主要集中于对软件缺陷报告的自动化分类、优先级分配以及缺陷修复状态的监控。该数据集提供了丰富的缺陷生命周期信息，使得研究者能够深入分析缺陷报告的动态变化特征，进而优化缺陷管理流程。

实际应用

在实际应用中，该数据集被广泛应用于软件开发企业的质量保证流程中，支持开发团队对软件缺陷进行有效跟踪与管理。此外，它还可用于训练机器学习模型，以实现对软件缺陷的自动识别和分类，提高软件开发与维护的自动化水平。

衍生相关工作

基于Eclipse and Mozilla Defect Tracking Dataset，学术界衍生出了一系列相关工作，包括但不限于缺陷报告的情感分析、缺陷修复时间预测、缺陷报告间的关联性分析等。这些工作不仅丰富了软件工程领域的研究内容，也为实际软件开发过程中的缺陷管理提供了理论支持与实践指导。