Defects4J-Trans

Defects4J-Trans是从Defects4J转换而来的bug集合，每个bug保留了原始代码的语义但在句法表示上有所不同。包含483个来自多个开源项目的bug，每个bug都有对应的issue跟踪器标识符，通过单一提交修复，且经过最小化处理，确保只修改源代码并存在触发测试。

Defects4J-Trans is a bug collection converted from Defects4J, where each bug retains the semantics of the original code but differs in syntactic representation. It includes 483 bugs from multiple open-source projects, each with a corresponding issue tracker identifier, repaired through a single commit, and processed to minimize changes, ensuring that only the source code is modified and that triggering tests are present.

原始信息汇总

Defects4J-Trans 数据集概述

数据集简介

Defects4J-Trans是从Defects4J转换而来的缺陷集合，每个缺陷保留原始代码的语义但语法表示不同。

项目与缺陷统计

包含483个缺陷，来自以下开源项目：

项目标识符	项目名称	活跃缺陷数量	活跃缺陷ID	废弃缺陷ID
Chart	jfreechart	16	1, 3-13, 17, 20, 24, 26	others
Cli	commons-cli	23	4, 5, 8, 9, 11, 12, 14, 15, 17, 19, 20, 23-29, 32, 35, 37, 38, 40	others
Closure	closure-compiler	105	1, 2, 4, 5, 7, 10-15, 17-25, 29, 31-33, 35, 36, 38-40, 42, 44, 48, 50-53, 55-59, 61, 62, 65-67, 69-71, 73, 77, 78, 81-83, 86-88, 91, 92, 94-97, 99, 101, 102, 104, 105, 107, 109, 111-126, 128-133, 145, 146, 150, 152, 159-161, 164, 166, 168, 172, 176	others
Codec	commons-codec	11	2-7, 9, 10, 15, 17, 18	others
Collections	commons-collections	1	26	others
Compress	commons-compress	33	1, 5, 7, 8, 10-19, 21, 23-28, 30-32, 35-38, 40, 41, 44-46	others
Csv	commons-csv	11	1-6, 9-11, 14, 15	others
Gson	gson	9	5, 6, 11-13, 15-18	others
JacksonCore	jackson-core	13	3-8, 11, 15, 20, 21, 23, 25, 26	others
JacksonDatabind	jackson-databind	51	1, 5-9, 11, 12, 16, 17, 19, 24, 27, 28, 33-35, 37, 39, 42, 44-47, 49, 51, 54, 57, 58, 62, 64, 67, 70, 71, 74, 76, 82, 83, 85, 88, 91, 93, 96-102, 107, 112	others
JacksonXml	jackson-dataformat-xml	4	1, 3-5	others
Jsoup	jsoup	53	1, 2, 5, 6, 10, 13, 15, 19, 20, 24, 26, 27, 32-35, 37-43, 45-51, 53-55, 57, 59, 61, 62, 64, 68, 70, 72, 75-77, 80, 82, 84-86, 88-90, 93	others
JxPath	commons-jxpath	7	5, 6, 8, 10, 12, 21, 22	others
Lang	commons-lang	42	1, 3, 5, 6, 9-12, 14, 16-19, 21, 22, 24, 26-29, 31, 33, 37-40, 42-45, 48, 49, 51-55, 57-59, 61, 65	others
Math	commons-math	72	2, 3, 5, 7-11, 13, 17, 19-21, 23-28, 30-34, 38-45, 48, 50-53, 55-60, 63, 64, 69, 70, 72-75, 78-80, 82, 84-91, 94-97, 101-103, 105, 106	others
Mockito	mockito	16	1, 5, 7, 8, 12, 13, 18, 20, 22, 24, 27-29, 33, 34, 38	others
Time	joda-time	16	4, 5, 7, 8, 14-20, 22-25, 27	others

缺陷属性

每个缺陷具有以下属性：

• 在对应的问题跟踪器中提交的问题，并在修复提交消息中提到问题跟踪标识符。
• 在单个提交中修复。
• 最小化：Defects4J-Trans维护者手动修剪提交中无关的更改（如重构或功能添加）。
• 通过修改源代码修复（而非配置文件、文档或测试文件）。
• 存在触发测试，修复前失败，修复后通过——测试失败不是随机的或依赖于测试执行顺序。

缺陷版本标记为<id>b（缺陷版本）和<id>f（修复版本），<id>为整数。

设置要求

• Java 1.8
• Git >= 1.9
• SVN >= 1.8
• Perl >= 5.0.12

搜集汇总

数据集介绍

构建方式

Defects4J-Trans数据集基于著名的Defects4J项目构建，通过语义保持的代码转换技术，将原始缺陷在语法层面进行多样化表征。该数据集精选483个经过人工验证的软件缺陷，覆盖JFreeChart、Commons-CLI等17个主流开源项目。每个缺陷均满足严格筛选标准：需有明确的issue跟踪记录，通过单一提交修复，且修复仅涉及源代码层面的修改。维护团队对每个提交进行了人工最小化处理，剔除无关的代码重构或功能新增，确保缺陷样本的纯净性。

特点

该数据集最显著的特点在于其语法多样性转换能力，在保持原始缺陷语义不变的前提下，生成语法结构各异的变体版本。数据集涵盖Chart、Closure等项目的活跃缺陷共计483个，每个缺陷均配有触发测试用例，能够稳定复现修复前后的行为差异。缺陷版本采用<b>和<f>的标准化标记体系，便于研究者精准定位问题。项目选取具有行业代表性的Java开源系统，其缺陷类型分布广泛，为软件缺陷检测、程序修复等研究提供了丰富的实验素材。

使用方法

使用Defects4J-Trans需预先配置Java 1.8、Git及SVN环境。对于已部署Defects4J的用户，可通过替换framework目录实现无缝迁移。新用户需克隆项目仓库后，按照标准流程初始化环境变量。数据集中的每个缺陷项目均以独立版本库形式管理，研究者可通过<id>b/<id>f标签访问缺陷及修复版本。触发测试用例的失败/通过状态变化可作为验证缺陷修复效果的关键指标，为自动化程序修复、缺陷模式挖掘等研究提供标准化评估基准。

背景与挑战

背景概述

Defects4J-Trans数据集源于软件工程领域对程序缺陷研究的深入需求，由研究团队基于著名的Defects4J数据集构建而成。该数据集聚焦于程序语义保持但语法表达差异的缺陷变体，旨在为程序修复、缺陷检测等研究方向提供更为丰富的实验素材。数据集涵盖了JFreeChart、Commons-CLI等16个知名开源项目的483个缺陷实例，每个实例均经过严格的筛选与验证，确保缺陷的单一性、可复现性以及最小化修改特性。自发布以来，Defects4J-Trans已成为评估程序分析工具鲁棒性和泛化能力的重要基准，推动了软件可靠性研究的范式创新。

当前挑战

在解决程序缺陷检测与修复的领域挑战方面，Defects4J-Trans需应对语法多样性对工具泛化能力的严峻考验。传统静态分析工具往往难以识别语义等效但语法变异的缺陷模式，导致漏报率上升。数据集的构建过程同样面临多重技术难题：原始缺陷的语义保持性验证需要复杂的程序等价性判定，触发测试的精确提取依赖人工干预以保证最小化修改特性，跨项目缺陷的异构性则要求统一的标准化处理流程。这些挑战使得数据集的扩展与维护需要持续投入领域专家资源，以平衡样本规模与质量控制之间的张力。

常用场景

经典使用场景

Defects4J-Trans数据集在软件工程领域具有重要价值，尤其在程序缺陷检测和修复研究中扮演关键角色。该数据集通过对Defects4J中的缺陷进行语义保留的语法转换，为研究者提供了丰富的变异缺陷样本。研究人员可以基于这些变异缺陷，深入分析不同语法表达对缺陷检测工具性能的影响，从而评估工具的鲁棒性和泛化能力。

解决学术问题

Defects4J-Trans有效解决了软件缺陷检测研究中数据单一性的问题。传统缺陷数据集往往只包含原始缺陷，难以评估检测工具对语法变异的适应性。该数据集通过引入语义等价但语法不同的缺陷变体，使研究者能够更全面地评估缺陷检测方法的有效性，推动了程序分析、软件测试和自动修复等领域的研究进展。

衍生相关工作

基于Defects4J-Trans数据集，学术界已衍生出多项重要研究成果。这些工作主要集中在缺陷检测算法改进、程序修复技术增强以及软件测试方法创新等方面。部分研究利用该数据集验证了语法多样性对缺陷检测的影响，另一些工作则探索了跨语法变体的缺陷模式识别，为构建更智能的软件开发辅助工具奠定了基础。