综述：基于人工智能的软件缺陷预测中类别不平衡处理的系统综述

这篇综述系统回顾了2000-2025年间123项研究，聚焦AI技术在软件缺陷预测（SDP）中处理类别不平衡（CI）的方法。研究发现76%的缺陷数据集存在严重类别不平衡，数据采样（如SMOTE）和集成学习（如AdaBoost）是最主流解决方案，其中过采样占比52.85%。深度学习和可解释AI（XAI）正成为新兴研究方向，AUC-ROC被证实为最稳健的评估指标。

　　

状态与挑战

软件缺陷预测（SDP）作为软件工程核心课题，长期受类别不平衡（Class Imbalance, CI）问题困扰。研究表明，NASA、PROMISE等主流数据集中76%的模块分布呈现高度偏态（缺陷模块占比<30%），导致传统机器学习模型如SVM、决策树（DT）的预测性能显著下降。这种数据偏斜现象促使研究者探索各类AI解决方案。

技术演进图谱

早期阶段（2000-2009年）以成本敏感学习为主，Khoshgoftaar团队首次提出基于决策树的误分类惩罚机制。2010-2014年迎来转折，Gao等人开创性地将过采样（SMOTE）与集成学习（AdaBoost）结合，在NASA数据集上实现F1值提升23%。2015年后进入混合方法爆发期，堆叠集成（Stacked Ensemble）和深度表征学习（如Bi-LSTM）逐渐成为新范式。值得注意的是，2023-2025年间大型语言模型（LLM）开始应用于工业级缺陷预测，为解决小样本问题提供新思路。

关键方法学突破

数据层面解决方案中，边界敏感过采样（Borderline-SMOTE）通过聚焦决策边界附近样本，将少数类识别准确率提高15-18%。算法层面，代价敏感随机森林（Cost-sensitive RF）通过调整类别权重，在Eclipse项目上实现AUC 0.82的突破。新兴的深度学习方法如去噪自编码器（DAE）通过特征重构，有效缓解了高维数据下的过拟合问题。特别值得关注的是，混合方法"SMOTE+深度森林"在跨项目缺陷预测（CPDP）中展现出显著优势，较基线模型提升Recall达31%。

评估体系革新

研究指出，传统准确率（Accuracy）在类不平衡场景下会产生严重误导。基于123项研究的元分析显示，AUC-ROC因其对类别分布不敏感的特性，成为78%研究的首选指标。F_β度量（β=2时侧重召回率）和Matthews相关系数（MCC）也逐渐被采纳为辅助指标。实验证实，在Lucene数据集上，采用AUC评估的深度网络（AUC 0.91）显著优于传统神经网络（AUC 0.83）。

工业落地挑战

当前主要障碍包括：1）计算开销问题，SMOTE衍生方法使训练时间平均增加3-5倍；2）可解释性困境，合成样本影响模型决策透明度。应对策略呈现多元化趋势：轻量级方法如Cluster-Based欠采样可降低60%内存消耗；而SHAP（SHapley Additive Explanations）等XAI工具能有效追踪合成样本的影响路径。业界案例显示，将代价敏感学习嵌入持续集成（CI/CD）管道，可使缺陷检测效率提升40%。

未来演进方向

元学习（Meta-learning）框架AutoBalance通过自动选择最优不平衡处理策略，在PROMISE数据集上减少人工调参时间80%。跨项目迁移学习中，TCA（Transfer Component Analysis）方法通过特征空间对齐，使模型在数据稀缺的新项目中保持85%以上的F1值。值得期待的是，基于Transformer的预训练模型正被用于缺陷预测，其少样本学习能力有望突破传统数据限制。