针对现有软件缺陷预测多局限于二分类任务、难以对缺陷严重程度进行细粒度预测的问题，提出一种基于文件共编辑网和结构熵的缺陷严重程度预测方法FCSE-DP(FCSE-based Defect Severity Prediction)。首先，利用历史变更与缺陷数据，融合代码修改量与时间衰减因子构建文件共编辑网FCN(File Co-editing Network)，以刻画开发者协同工作产生的隐性逻辑依赖关系。其次，提取每个文件的文件共编辑结构熵FCSE(File Co-editing Structural Entropy)作为衡量代码全局风险的核心特征，并将其与14种传统静态代码特征进行拼接组合。最后，采用LightGBM算法构建多分类模型以实现缺陷严重等级的预测。在8个Apache开源项目上的实验结果表明，引入FCSE特征后，相较于仅包含传统静态特征的基准模型，LightGBM模型的宏平均F1分数从0.253提升至0.477，二次加权卡帕系数从0.169提升至0.467，准确率从0.553提升至0.638。引入FCSE特征有效增强了模型对缺陷严重程度的识别能力，为定位高危代码模块提供了有效的量化依据。