Spectrum-based fault localization (SBFL) techniques can automatically localize software faults. They employ the program spectrum, such as code coverage profile with test verdicts, to rank the program entities based on their code suspiciousness. In the past decades, researchers have proposed many approaches to optimize these techniques; however, the program structure, which can influence their performance, is not taken into consideration in developing and improving these techniques. In this article, we identify and analyze the effect of the program structure on the application of SBFL techniques. We observe that some specific program structures may introduce structure bias to code suspiciousness and negatively influence the output of SBFL techniques. To mitigate these effects and improve the performance of fault localization, we propose Delta4Ts, a structure-aware technique. Delta4Ts references debugging history to alleviate the impact of structure bias in the calculation of code suspiciousness. It reasons from the observable suspicious value towards the desired suspicious value and the impact of structure bias. To evaluate Delta4Ts under practical constraints, we conduct a controlled experiment using nine widely-studied SBFL formulae on 12 C programs and 6 Java programs. The experiment results show that Delta4Ts can significantly improve the accuracy of the studied SBFL formulae by an average of 34.8% on 12 C programs and 30.6% on 6 Java programs, and improve more on subject programs associated with more history versions or having larger code sizes.

中文翻译：

---

通过参考调试历史来减少代码可疑中的结构偏差来提高故障定位的准确性

基于频谱的故障定位 (SBFL) 技术可以自动定位软件故障。他们使用程序范围，例如带有测试判定的代码覆盖率概况，根据它们的代码可疑性对程序实体进行排名。在过去的几十年里，研究人员提出了许多优化这些技术的方法；然而，在开发和改进这些技术时并没有考虑可能影响其性能的程序结构。在本文中，我们识别并分析了程序结构对 SBFL 技术应用的影响。我们观察到一些特定的程序结构可能会给代码可疑性引入结构偏差，并对 SBFL 技术的输出产生负面影响。为了减轻这些影响并提高故障定位的性能，我们提出了 Delta4Ts，一种结构感知技术。Delta4Ts 参考调试历史来减轻结构偏差在代码可疑性计算中的影响。它从可观察到的可疑值到期望的可疑值和结构偏差的影响进行推理。为了在实际约束下评估 Delta4T，我们使用 9 个广泛研究的 SBFL 公式对 12 个 C 程序和 6 个 Java 程序进行了受控实验。实验结果表明，Delta4Ts 可以显着提高所研究的 SBFL 公式的准确率，在 12 个 C 程序上平均提高 34.8%，在 6 个 Java 程序上平均提高 30.6%，并且在与更多历史版本相关或具有更大代码量的主题程序上提高更多. Delta4Ts 参考调试历史来减轻结构偏差在代码可疑性计算中的影响。它从可观察到的可疑值到期望的可疑值和结构偏差的影响进行推理。为了在实际约束下评估 Delta4T，我们使用 9 个广泛研究的 SBFL 公式对 12 个 C 程序和 6 个 Java 程序进行了受控实验。实验结果表明，Delta4Ts 可以显着提高所研究的 SBFL 公式的准确率，在 12 个 C 程序上平均提高 34.8%，在 6 个 Java 程序上平均提高 30.6%，并且在与更多历史版本相关或具有更大代码量的主题程序上提高更多. Delta4Ts 参考调试历史来减轻结构偏差在代码可疑性计算中的影响。它从可观察到的可疑值到期望的可疑值和结构偏差的影响进行推理。为了在实际约束下评估 Delta4T，我们使用 9 个广泛研究的 SBFL 公式对 12 个 C 程序和 6 个 Java 程序进行了受控实验。实验结果表明，Delta4Ts 可以显着提高所研究的 SBFL 公式的准确率，在 12 个 C 程序上平均提高 34.8%，在 6 个 Java 程序上平均提高 30.6%，并且在与更多历史版本相关或具有更大代码量的主题程序上提高更多. 为了在实际约束下评估 Delta4T，我们使用 9 个广泛研究的 SBFL 公式对 12 个 C 程序和 6 个 Java 程序进行了受控实验。实验结果表明，Delta4Ts 可以显着提高所研究的 SBFL 公式的准确率，在 12 个 C 程序上平均提高 34.8%，在 6 个 Java 程序上平均提高 30.6%，并且在与更多历史版本相关或具有更大代码量的主题程序上提高更多. 为了在实际约束下评估 Delta4T，我们使用 9 个广泛研究的 SBFL 公式对 12 个 C 程序和 6 个 Java 程序进行了受控实验。实验结果表明，Delta4Ts 可以显着提高所研究的 SBFL 公式的准确率，在 12 个 C 程序上平均提高 34.8%，在 6 个 Java 程序上平均提高 30.6%，并且在与更多历史版本相关或具有更大代码量的主题程序上提高更多.