软件学报

作者：涂菲菲,周明辉

单位：涂菲菲，高可信软件技术教育部重点实验室(北京大学), 北京 100871;北京大学 信息科学技术学院, 北京 10087111,周明辉，高可信软件技术教育部重点实验室(北京大学), 北京 100871;北京大学 信息科学技术学院, 北京 10087102

关键词：数据质量;数据产生;数据收集;数据应用;问题追踪数据;版本控制数据

基金：国家重点研发计划（2018YFB1004201）；国家自然科学基金（61432001，61825201）

问题追踪系统和版本控制系统等软件开发支持工具已被广泛应用于开源和商业软件的开发中，产生了大量的数据，即软件开发活动数据.软件开发活动数据被广泛应用于科学研究和开发实践，为智能化开发提供支持.然而数据质量对相关的研究和实践有重大影响，却还没有得到足够的重视.为了能够更好地警示数据使用者潜在的数据质量问题，通过文献调研和访谈，并基于自有经验对数据进行分析，总结出了9种数据质量问题，覆盖了数据产生、数据收集和数据使用这3个不同的阶段.进一步地，提出了相应的方法以帮助发现和解决数据问题.发现问题是指加强对数据上下文的理解和通过统计分析及数据可视化发现潜在的数据质量问题，解决问题是指利用冗余数据或者挖掘用户行为模式进行修正.

来源：2019年第5期

《软件学报》期刊编辑部

查看软件学报杂志2019年第5期