mozilla/bugbug

Platform for Machine Learning projects on Software Engineering

What it solves

Bugbug 使用机器学习自动化繁琐的软件工程和质量管理任务。它特别针对管理大规模错误跟踪系统（如 Bugzilla）和代码仓库的开销，帮助团队分配错误、预测缺陷，并优化测试工作流。

How it works

该项目提供一个框架，用于训练和部署各种分析错误报告和提交数据的机器学习分类器。它从这些来源提取特征，并使用模型（包括 Keras 和 scikit-learn pipeline）对数据进行分类。用户可以通过 CLI 脚本训练模型，或在 Mozilla 的 CI 平台（Taskcluster）上触发训练。

Who it’s for

它主要面向在大规模项目（目前聚焦于 Mozilla/Firefox）上工作的软件维护者和质量保证工程师，帮助他们自动化错误分配和风险评估。

Highlights

  • Diverse Classifiers: 包含用于建议受理人、检测垃圾信息、识别回归以及区分真实错误和功能请求的专用模型。
  • Risk Prediction: 提供分类器来检测可能导致回归或因失败而被回退的补丁。
  • Test Optimization: 包含 testselect 分类器，用于识别针对特定补丁最相关的测试。
  • Data Mining: 提供工具从版本控制系统（如 Mercurial）挖掘数据，以生成训练集。