本發(fā)明屬于跨公司軟件缺陷預(yù)測(cè)技術(shù)領(lǐng)域，特別是涉及一種基于遷移學(xué)習(xí)和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測(cè)方法。

背景技術(shù)：

(1)軟件項(xiàng)目缺陷預(yù)測(cè)技術(shù)

軟件產(chǎn)業(yè)作為信息產(chǎn)業(yè)的重要組成部分，在促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變、工業(yè)化與信息化融合及維護(hù)國(guó)家安全方面均發(fā)揮著重要作用。然而隨著軟件應(yīng)用領(lǐng)域的不斷擴(kuò)展，和設(shè)計(jì)復(fù)雜度的不斷提升，軟件項(xiàng)目的質(zhì)量問題越來越難把控。在這種需求背景下，高效的軟件缺陷預(yù)測(cè)技術(shù)越來越引起人們的關(guān)注。

軟件缺陷預(yù)測(cè)技術(shù)可以在軟件系統(tǒng)開發(fā)早期，高效的預(yù)測(cè)系統(tǒng)各個(gè)軟件模塊是否存在缺陷，并根據(jù)預(yù)測(cè)結(jié)果，合理分配測(cè)試人力資源，從而有效降低測(cè)試成本并減小測(cè)試周期。此外，對(duì)于每個(gè)具體的軟件項(xiàng)目來說，不同時(shí)期修復(fù)缺陷的成本是完全不同的，一般來說，其修復(fù)成本是隨時(shí)間呈正比例上升的。比如，文獻(xiàn)1其中提到，1985到1987年，therac-25輻射治療設(shè)備卷入多宗因輻射劑量嚴(yán)重超標(biāo)引發(fā)的醫(yī)療事故，其罪魁禍?zhǔn)资轻t(yī)療設(shè)備電力軟件的bug，導(dǎo)致大量患者接受了高達(dá)100倍的預(yù)定治療劑量，其中三人直接死于輻射劑量超標(biāo),。假定我們能在軟件測(cè)試的早期就發(fā)現(xiàn)并修復(fù)這個(gè)bug，上述悲劇將不再重演。

現(xiàn)有的缺陷預(yù)測(cè)技術(shù)主要包括：缺陷數(shù)量預(yù)測(cè)技術(shù)、缺陷分布預(yù)測(cè)技術(shù)和軟件預(yù)測(cè)模型技術(shù)。

其中缺陷數(shù)量預(yù)測(cè)技術(shù)一般用來確定整體項(xiàng)目缺陷的個(gè)數(shù)，如文獻(xiàn)2，其中akahashi將代碼與具體的文檔數(shù)量對(duì)應(yīng)起來，給出了缺陷密度的估計(jì)式：§＝67.98+0.46f1－9.69f2－0.08f3，其中§為缺陷率(單位：thenumberoferrors/kloc，kloc為千行代碼)，f1為程序規(guī)約變更的頻率(單位：thenumberofpages/kloc)，f2為程序員技能(單位：years)，f3為程序設(shè)計(jì)文檔頁(yè)數(shù)(單位：thenumberofpages/kloc)。

缺陷分布預(yù)測(cè)技術(shù)則利用分類或回歸技術(shù)，如線性判別分析lda(1ineardiscriminantanalysis)，分類回歸樹cart(classificationandregressiontree)，支持向量機(jī)svm(supportvectormachine)，人工神經(jīng)網(wǎng)絡(luò)ann(artificialneuralnetwork)，邏輯回歸lr(logisticregression)，多元線性回歸mlr(multiplelinearregression)等方法，來對(duì)模塊是否存在缺陷進(jìn)行預(yù)測(cè)。

不同于上述兩種技術(shù)一般選定一些特殊度量元來通過分類回歸找到缺陷模塊的方法，軟件預(yù)測(cè)模型技術(shù)則基于歷史缺陷數(shù)據(jù)構(gòu)建模型。相比而言，這種方法更能將一些其他的缺陷影響因素考慮在內(nèi)，比如團(tuán)隊(duì)因素等，且無需人為的參數(shù)調(diào)整。因此，軟件預(yù)測(cè)模型技術(shù)也成為了當(dāng)今主流的軟件缺陷預(yù)測(cè)技術(shù)。

(2)跨公司軟件項(xiàng)目缺陷預(yù)測(cè)技術(shù)

然而在一些實(shí)際測(cè)試場(chǎng)景中，當(dāng)需要用軟件模型預(yù)測(cè)技術(shù)來對(duì)一些新的公司的軟件項(xiàng)目進(jìn)行缺陷預(yù)測(cè)時(shí)，并沒有大量的歷史的缺陷數(shù)據(jù)來供我們來訓(xùn)練模型。但在網(wǎng)絡(luò)上存在很多高質(zhì)量的開源軟件項(xiàng)目缺陷數(shù)據(jù)集，因此就有學(xué)者試圖從這些跨公司的開源項(xiàng)目缺陷數(shù)據(jù)集出發(fā)，來訓(xùn)練預(yù)測(cè)模型從而對(duì)新的公司的軟件項(xiàng)目進(jìn)行缺陷預(yù)測(cè)。然而直接使用跨項(xiàng)目的缺陷數(shù)據(jù)集來對(duì)新公司的軟件項(xiàng)目進(jìn)行缺陷預(yù)測(cè)還存在一些問題，原因是不同項(xiàng)目之間可能存在著不同的特征分布，直接套用跨公司的軟件缺陷預(yù)測(cè)經(jīng)驗(yàn)可能會(huì)導(dǎo)致預(yù)測(cè)精度過低。

文獻(xiàn)3中馬櫻等人提出了一種transfernaivebayes(tnb)算法，tnb算法考慮了源數(shù)據(jù)和目標(biāo)數(shù)據(jù)來自不同公司的跨公司預(yù)測(cè)場(chǎng)景，為了較好利用跨公司數(shù)據(jù)，tnb運(yùn)用了遷移學(xué)習(xí)的方法來建立一個(gè)更有效的預(yù)測(cè)模型。遷移學(xué)習(xí)的目標(biāo)是將從一個(gè)環(huán)境中學(xué)習(xí)到的知識(shí)用來解決新環(huán)境中的任務(wù)。因此，遷移學(xué)習(xí)用來解決跨項(xiàng)目缺陷預(yù)測(cè)過程中出現(xiàn)的問題尤為合適。遷移學(xué)習(xí)處理原始跨項(xiàng)目缺陷數(shù)據(jù)的基本思路是：對(duì)于原始的跨項(xiàng)目缺陷數(shù)據(jù)，其與待預(yù)測(cè)數(shù)據(jù)之間的相似度越高，賦予的權(quán)重越高。在此基礎(chǔ)上，那些跟我們待預(yù)測(cè)數(shù)據(jù)相似度高的跨項(xiàng)目缺陷數(shù)據(jù)就能在預(yù)測(cè)結(jié)果中起到更大的作用，同時(shí)也能削弱不相關(guān)的跨項(xiàng)目缺陷數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果的影響。

(3)樸素貝葉斯

這里之所以選擇貝葉斯算法作為我們預(yù)測(cè)模型的基礎(chǔ)，是因?yàn)?，?dāng)遇到一個(gè)需要考慮多個(gè)因素來得到最終預(yù)測(cè)概率的問題，許多算法會(huì)在計(jì)算過程中忽略弱特征的影響，而貝葉斯算法卻是使用所有的特征來修正預(yù)測(cè)結(jié)果，這很適合需要考慮多個(gè)因素的缺陷預(yù)測(cè)問題。盡管單個(gè)分離的特征對(duì)結(jié)果造成的影響很小，但組合起來卻能對(duì)最終的結(jié)果產(chǎn)生大的影響。

使用貝葉斯算法進(jìn)行預(yù)測(cè)的思想基礎(chǔ)是：假定一個(gè)待預(yù)測(cè)實(shí)例為x，它可能所屬的類別c為:{′y′,′n′},′y′和′n′分別代表有缺陷和無缺陷。對(duì)于待預(yù)測(cè)實(shí)例x，其屬于有缺陷和無缺陷類別的后驗(yàn)概率分別為p(′y′|x)和p(′n′|x)，如果p(′y′|x)≥p(′n′|x)，即x屬于有缺陷類別的后驗(yàn)概率大于等于其屬于無缺陷類別的后驗(yàn)概率，那么認(rèn)為實(shí)例x有缺陷，反之，無缺陷。基于貝葉斯定理，p(′c′|x)可寫為其中p(′c′)為有無缺陷的先驗(yàn)概率，p(x|′c′)是實(shí)例x相對(duì)于類別′c′的條件概率，′c′分別為有缺陷′y′和無缺陷′n′，p(x)是用于歸一化的證據(jù)因子。對(duì)于給定的待預(yù)測(cè)實(shí)例x，證據(jù)因子p(x)與類標(biāo)號(hào)無關(guān)，因此估計(jì)p(′c′|x)的問題就化為如何基于訓(xùn)練數(shù)據(jù)來估計(jì)有無缺陷的先驗(yàn)概率p(′c′)和條件概率p(x|′c′)。

[文獻(xiàn)1]leveson,nancyg.；turner,clarks.(july1993)."aninvestigationofthetherac-25accidents".ieeecomputer.26(7):18–41.

[文獻(xiàn)2]王青,伍書劍,李明樹."軟件缺陷預(yù)測(cè)技術(shù)".journalofsoftware,vol.19,no.7,july2008,pp.1565—1580.

[文獻(xiàn)3]may,luog,zengx,etal.transferlearningforcross-companysoftwaredefectprediction[j].information&softwaretechnology,2012,54(3):248–256.

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有的基于遷移學(xué)習(xí)的跨項(xiàng)目缺陷預(yù)測(cè)方法中存在的類不平衡和數(shù)據(jù)間距離相等時(shí)權(quán)值排名無法確定的問題，即當(dāng)兩個(gè)實(shí)例和待預(yù)測(cè)數(shù)據(jù)之間擁有相同的相似度時(shí)，哪一個(gè)實(shí)例該被賦予更高的權(quán)值，或者，在類不平衡問題中，大量無缺陷實(shí)例權(quán)值的累加會(huì)導(dǎo)致有缺陷實(shí)例權(quán)值對(duì)結(jié)果的影響微乎其微，這種不良影響該如何消除的問題，本發(fā)明提供了一種基于遷移學(xué)習(xí)和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測(cè)方法。

本發(fā)明所采用的技術(shù)方案是：一種基于遷移學(xué)習(xí)和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測(cè)方法，其特征在于，包括以下步驟：

步驟1：標(biāo)注每個(gè)跨項(xiàng)目實(shí)例即訓(xùn)練數(shù)據(jù)有多少個(gè)缺陷；

步驟2：根據(jù)經(jīng)驗(yàn)提取實(shí)例內(nèi)的度量屬性；

步驟3：數(shù)據(jù)預(yù)處理；

步驟4：基于加權(quán)跨項(xiàng)目實(shí)例集構(gòu)建貝葉斯缺陷預(yù)測(cè)模型；

步驟5：根據(jù)貝葉斯缺陷預(yù)測(cè)模型預(yù)測(cè)本項(xiàng)目實(shí)例是否有缺陷。

本發(fā)明對(duì)現(xiàn)有跨項(xiàng)目缺陷數(shù)據(jù)的權(quán)值計(jì)算方法進(jìn)行改進(jìn)，提出一種基于遷移學(xué)習(xí)和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測(cè)方法，即在根據(jù)遷移學(xué)習(xí)計(jì)算權(quán)值的基礎(chǔ)上，考慮缺陷個(gè)數(shù)信息的加成作用，有效避免了不平衡問題對(duì)預(yù)測(cè)結(jié)果造成的影響，從而提高了跨項(xiàng)目缺陷預(yù)測(cè)的精度。

附圖說明

圖1本發(fā)明實(shí)施的流程示意圖；

圖2本發(fā)明實(shí)施的構(gòu)建貝葉斯預(yù)測(cè)模型示意圖。

具體實(shí)施方式

為了便于本領(lǐng)域普通技術(shù)人員理解和實(shí)施本發(fā)明，下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述，應(yīng)當(dāng)理解，此處所描述的實(shí)施示例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。

請(qǐng)見圖1和圖2，本發(fā)明提供的一種基于遷移學(xué)習(xí)和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測(cè)方法，包括以下步驟：

步驟1：人工標(biāo)注每個(gè)跨項(xiàng)目實(shí)例有多少個(gè)缺陷；

對(duì)存在缺陷的實(shí)例標(biāo)注缺陷個(gè)數(shù)為n(n>0)，無缺陷的實(shí)例標(biāo)注缺陷個(gè)數(shù)為0；

步驟2：根據(jù)經(jīng)驗(yàn)提取實(shí)例內(nèi)的度量屬性ai；

本實(shí)施例選取了20個(gè)度量屬性，它們分別為：加權(quán)方法數(shù)(wmc)，繼承樹深度(dit)，子節(jié)點(diǎn)數(shù)(noc)，對(duì)象類之間的耦合度(cbo)，類的響應(yīng)(rfc)，內(nèi)聚缺乏度(lcom)，傳入耦合(ca)，傳出耦合(ce)，公開方法數(shù)(npm)，代碼行數(shù)(loc)，數(shù)據(jù)訪問度量(dam)，聚合度量(moa)，功能抽象度量(mfa)，方法間的內(nèi)聚度(cam)，繼承耦合(ic)，方法間耦合(cbm)，平均方法復(fù)雜度(amc)，最大mccabe環(huán)形復(fù)雜度(max_cc)，平均mccabe環(huán)形復(fù)雜度(avg_cc)；

步驟3：數(shù)據(jù)預(yù)處理；

步驟3.1：計(jì)算每個(gè)跨項(xiàng)目實(shí)例x和本項(xiàng)目實(shí)例集之間的相似度；

首先計(jì)算本項(xiàng)目實(shí)例集即待預(yù)測(cè)實(shí)例中每個(gè)屬性的取值范圍，即每個(gè)屬性的最小值和最大值組成的左閉右閉區(qū)間。比如有跨公司的缺陷數(shù)據(jù)x1＝(1,2,2,0)，x2＝(2,1,3,0)，x3＝(2,2,4,3)，其中前三位分別為三個(gè)屬性的屬性值，最后一位的數(shù)字表示缺陷的個(gè)數(shù)?，F(xiàn)在來預(yù)測(cè)一個(gè)新項(xiàng)目的實(shí)例y1＝(2,2,3)有無缺陷。那么該本項(xiàng)目實(shí)例集的每個(gè)屬性取值范圍為：第一個(gè)屬性取值范圍為[2，2]，第二個(gè)屬性取值范圍為[2，2]，第三個(gè)屬性取值范圍為[3，3]。然后判斷跨項(xiàng)目實(shí)例的每個(gè)屬性是否在該取值范圍內(nèi)，那么該跨項(xiàng)目實(shí)例與本項(xiàng)目實(shí)例集之間的相似度si為，跨項(xiàng)目實(shí)例中的屬性滿足上述取值范圍的個(gè)數(shù)。對(duì)于x1＝(1,2,2,0)，只有第二個(gè)屬性在對(duì)應(yīng)屬性的取值范圍里，故s1＝1，對(duì)于x2＝(2,1,3,0)，則第一和第三個(gè)屬性在對(duì)應(yīng)屬性的取值范圍里，故s2＝2，對(duì)于x3＝(2,2,4,3)，則第一和第二個(gè)屬性在對(duì)應(yīng)屬性的取值范圍里，故s3＝2。

步驟3.2：基于根據(jù)相似度si來確定每個(gè)跨項(xiàng)目實(shí)例的初始權(quán)重wi；

參考萬有引力公式，本實(shí)施例定義每個(gè)跨項(xiàng)目實(shí)例的初始權(quán)重為：其中wi為第i個(gè)跨項(xiàng)目實(shí)例的權(quán)重，g為重力常量，m1和m2分別為兩物體的質(zhì)量，r是兩物體間的距離；k是每個(gè)實(shí)例的屬性數(shù)目，m是本項(xiàng)目的實(shí)例的數(shù)量，m為本項(xiàng)目實(shí)例的每個(gè)屬性的質(zhì)量，那么kmm便為整體本項(xiàng)目實(shí)例的質(zhì)量，si是每個(gè)跨項(xiàng)目實(shí)例與本項(xiàng)目實(shí)例集的相似度，那么sim便為每個(gè)跨項(xiàng)目實(shí)例的質(zhì)量；類似的，(k-si+1)為每個(gè)跨項(xiàng)目實(shí)例與本項(xiàng)目實(shí)例集之間的距離；本實(shí)施例通過去除一些固定的常量，可以得到最右邊的關(guān)系式，即每個(gè)跨項(xiàng)目實(shí)例的初始權(quán)重si為第i個(gè)跨項(xiàng)目實(shí)例的相似度，k為實(shí)例中的屬性數(shù)目。由步驟3.1中相似度s1＝1,s2＝2,s3＝2,那么

步驟3.3：考慮跨項(xiàng)目實(shí)例的缺陷個(gè)數(shù)信息來調(diào)整初始權(quán)重wi的值；

即在步驟3.2的基礎(chǔ)上乘以該跨項(xiàng)目實(shí)例缺陷的個(gè)數(shù)。假定第i個(gè)跨項(xiàng)目實(shí)例的缺陷個(gè)數(shù)為ni，那么該跨項(xiàng)目實(shí)例的最終權(quán)值為si為第i個(gè)跨項(xiàng)目實(shí)例的相似度，ni為第i個(gè)跨項(xiàng)目實(shí)例的缺陷個(gè)數(shù)，k為實(shí)例中的屬性數(shù)目。結(jié)合步驟3.2的初始權(quán)值可知，考慮缺陷個(gè)數(shù)信息后，權(quán)值被依次調(diào)整為：

步驟4：構(gòu)建加權(quán)貝葉斯預(yù)測(cè)模型；

由背景介紹可知，要計(jì)算實(shí)例x分別屬于有缺陷和無缺陷的后驗(yàn)概率p('y'|x)和p('n'|x)，需要分別計(jì)算和其中p('y')和p('n')為有無缺陷的先驗(yàn)概率，和為先驗(yàn)概率的調(diào)整因子，以使結(jié)果更接近真實(shí)的概率。

接下來本實(shí)施例將依次來計(jì)算有無缺陷的先驗(yàn)概率p('c')，c＝{'y','n'}，有無缺陷條件下的每個(gè)屬性的條件概率p(aj|'c')以及本項(xiàng)目實(shí)例的歸一化證據(jù)因子p(x)。

首先，有無缺陷的先驗(yàn)概率為：其中c＝{'y','n'}，n為跨項(xiàng)目實(shí)例個(gè)數(shù)，ci為第i個(gè)跨項(xiàng)目實(shí)例的類別，f(ci,5為示性函數(shù)，如果ci＝c那么函數(shù)值為1，否則為0，wi為第i個(gè)跨項(xiàng)目實(shí)例的權(quán)重，nc為跨項(xiàng)目實(shí)例中類別的數(shù)量，在這里為2。結(jié)合步驟3.3中得到的最終權(quán)值,有無缺陷的先驗(yàn)概率分別為：

接下來在有無缺陷條件跨項(xiàng)目實(shí)例每個(gè)屬性的條件概率為：其中c＝{'y','n'}，aj為實(shí)例中第j個(gè)屬性，n為跨項(xiàng)目實(shí)例個(gè)數(shù)，aij為第i個(gè)跨項(xiàng)目實(shí)例的第j個(gè)屬性值，f(aij,aj)為示性函數(shù)，如果aij＝ai那么函數(shù)值為1，否則為0，f(ci,c)同上，wi為第i個(gè)跨項(xiàng)目實(shí)例的權(quán)重，nj為跨項(xiàng)目實(shí)例集中第j個(gè)屬性不同取值的個(gè)數(shù)。結(jié)合步驟3.3得到的最終權(quán)值，計(jì)算有無缺陷條件下每個(gè)屬性的條件概率，其中n1＝2,n2＝2,n3＝3，那么

最后本實(shí)施例來計(jì)算本項(xiàng)目實(shí)例的歸一化證據(jù)因子：其中nc為類別的數(shù)量，p(ci)為有缺陷或者無缺陷的先驗(yàn)概率，為有無缺陷條件下該實(shí)例每個(gè)屬性條件概率的乘積。由上兩步計(jì)算的有無缺陷的先驗(yàn)概率和有無缺陷條件下每個(gè)屬性的條件概率，計(jì)算新項(xiàng)目實(shí)例y1的歸一化證據(jù)因子為：

步驟5：根據(jù)步驟4所得的先驗(yàn)概率和有無缺陷條件下的條件概率來預(yù)測(cè)本項(xiàng)目實(shí)例的特征分布有無缺陷；

本項(xiàng)目實(shí)例被預(yù)測(cè)為有無缺陷的概率為其中ci為'y'或'n'，p(‘c’)為步驟3.4里面計(jì)算的有無缺陷的先驗(yàn)概率，為步驟3.4里的該實(shí)例每個(gè)屬性條件概率的乘積，p(x)為步驟3.4里的本項(xiàng)目實(shí)例的歸一化證據(jù)因子。如果p('y'|x)≥p('n'|x)，那么實(shí)例x被預(yù)測(cè)為有缺陷，否則無缺陷。這里由步驟4中得到的有無缺陷的先驗(yàn)概率，有無缺陷條件下每個(gè)屬性的條件概率和證據(jù)因子可得，新項(xiàng)目實(shí)例y1被預(yù)測(cè)為有缺陷和無缺陷的概率分別為：顯而易見，p(′y′|y1)>p(′n′|y1)，所以新項(xiàng)目實(shí)例y1被預(yù)測(cè)為有缺陷。

本實(shí)施例可由本領(lǐng)域技術(shù)人員采用計(jì)算機(jī)軟件技術(shù)依據(jù)下述技術(shù)細(xì)節(jié)自行實(shí)現(xiàn)。

應(yīng)當(dāng)理解的是，本說明書未詳細(xì)闡述的部分均屬于現(xiàn)有技術(shù)。

應(yīng)當(dāng)理解的是，上述針對(duì)較佳實(shí)施例的描述較為詳細(xì)，并不能因此而認(rèn)為是對(duì)本發(fā)明專利保護(hù)范圍的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明權(quán)利要求所保護(hù)的范圍情況下，還可以做出替換或變形，均落入本發(fā)明的保護(hù)范圍之內(nèi)，本發(fā)明的請(qǐng)求保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。