本發(fā)明涉及軟件工程的缺陷預(yù)測，尤其涉及一種軟件缺陷預(yù)測方法、系統(tǒng)、設(shè)備及介質(zhì)。

背景技術(shù)：

1、軟件缺陷預(yù)測技術(shù)(software?defect?prediction，sdp)致力于協(xié)助測試團(tuán)隊(duì)揭示尚未被識別的軟件問題，目的是在軟件開發(fā)過程的初期階段識別出那些最可能含有缺陷的軟件組件，進(jìn)而集中并優(yōu)先對這些組件開展測試，從而協(xié)助開發(fā)與測試團(tuán)隊(duì)更有效地修復(fù)這些缺陷。軟件缺陷預(yù)測的流程通常包括數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、特征選擇、模型建立、模型評估以及模型應(yīng)用等步驟。

2、目前現(xiàn)有的軟件缺陷預(yù)測方法通常是基于單視圖的方法進(jìn)行特征選擇，但是基于單一視圖的方法獲取的特征數(shù)據(jù)所構(gòu)建的預(yù)測模型無法充分利用各視圖之間的互補(bǔ)信息，導(dǎo)致缺陷預(yù)測無法更加全面和準(zhǔn)確；同時(shí)，現(xiàn)有的軟件缺陷預(yù)測方法在預(yù)測模型的構(gòu)建中忽視了類依賴網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)上的更多屬性信息，未能充分利用這些屬性會導(dǎo)致預(yù)測模型對代碼特征的表示不夠充分，從而影響缺陷預(yù)測的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是，提供一種軟件缺陷預(yù)測方法、系統(tǒng)、設(shè)備及介質(zhì)，可以提高軟件缺陷預(yù)測的準(zhǔn)確性。

2、為解決以上技術(shù)問題，本發(fā)明實(shí)施例提供一種軟件缺陷預(yù)測方法，包括：

3、將軟件源代碼轉(zhuǎn)換為抽象語法樹，基于主節(jié)點(diǎn)優(yōu)先的遍歷算法和卷積神經(jīng)網(wǎng)絡(luò)對所述抽象語法樹進(jìn)行處理，以生成語法樹特征；

4、根據(jù)所述源代碼中的依賴關(guān)系構(gòu)建類依賴網(wǎng)絡(luò)，利用圖嵌入算法對所述類依賴網(wǎng)絡(luò)進(jìn)行嵌入，以得到網(wǎng)絡(luò)嵌入向量；

5、將所述源代碼的代碼度量與所述網(wǎng)絡(luò)嵌入向量進(jìn)行拼接，以生成增強(qiáng)特征；

6、將所述語法樹特征與所述增強(qiáng)特征進(jìn)行組合，以得到圖節(jié)點(diǎn)屬性特征；

7、基于所述圖節(jié)點(diǎn)屬性特征進(jìn)行缺陷預(yù)測。

8、作為上述方案的改進(jìn)，所述基于主節(jié)點(diǎn)優(yōu)先的遍歷算法和卷積神經(jīng)網(wǎng)絡(luò)對所述抽象語法樹進(jìn)行處理，生成語法樹特征，包括：

9、基于主節(jié)點(diǎn)優(yōu)先的遍歷算法對所述抽象語法樹進(jìn)行抽取，得到目標(biāo)節(jié)點(diǎn)序列；

10、將所述目標(biāo)節(jié)點(diǎn)序列轉(zhuǎn)換為詞嵌入向量；

11、使用卷積神經(jīng)網(wǎng)絡(luò)對所述詞嵌入向量進(jìn)行處理，生成語法樹特征。

12、作為上述方案的改進(jìn)，所述基于主節(jié)點(diǎn)優(yōu)先的遍歷算法對所述抽象語法樹進(jìn)行抽取，得到目標(biāo)節(jié)點(diǎn)序列，包括：

13、從所述抽象語法樹的根節(jié)點(diǎn)開始，逐一判斷節(jié)點(diǎn)是否為目標(biāo)節(jié)點(diǎn)；

14、若是，則添加到目標(biāo)節(jié)點(diǎn)序列；

15、若否，則根據(jù)每一節(jié)點(diǎn)的子節(jié)點(diǎn)的子樹大小對每一子節(jié)點(diǎn)進(jìn)行遍歷，以返回符合要求的目標(biāo)節(jié)點(diǎn)序列。

16、作為上述方案的改進(jìn)，所述使用卷積神經(jīng)網(wǎng)絡(luò)對所述詞嵌入向量進(jìn)行處理，生成語法樹特征，包括：

17、使用卷積神經(jīng)網(wǎng)絡(luò)的卷積層對所述詞嵌入向量進(jìn)行卷積操作，以提取卷積特征；

18、通過所述卷積神經(jīng)網(wǎng)絡(luò)的池化層對所述卷積特征進(jìn)行池化；

19、將池化后的特征通過所述卷積神經(jīng)網(wǎng)絡(luò)的全連接層進(jìn)行變換，以生成語法樹特征。

20、作為上述方案的改進(jìn)，將所述語法樹特征與所述增強(qiáng)特征進(jìn)行組合的方式包括按特征的元素相加、相乘或或者拼接的方式中的至少一種。

21、作為上述方案的改進(jìn)，在所述生成增強(qiáng)特征之后，還包括：

22、采用主成分分析降維方法對所述增強(qiáng)特征進(jìn)行降維，得到低維特征。

23、作為上述方案的改進(jìn)，所述基于所述圖節(jié)點(diǎn)屬性特征進(jìn)行缺陷預(yù)測，包括：

24、將所述圖節(jié)點(diǎn)屬性特征作為深度學(xué)習(xí)模型的輸入，以輸出缺陷預(yù)測結(jié)果；

25、根據(jù)所述預(yù)測結(jié)果計(jì)算損失函數(shù)，以所述損失函數(shù)最小為目標(biāo)對所述深度學(xué)習(xí)模型進(jìn)行優(yōu)化訓(xùn)練，得到訓(xùn)練好的軟件缺陷預(yù)測模型；

26、通過訓(xùn)練好的軟件缺陷預(yù)測模型進(jìn)行軟件缺陷預(yù)測。

27、為解決以上技術(shù)問題，本發(fā)明實(shí)施例還提供了一種軟件缺陷預(yù)測系統(tǒng)，包括：

28、第一特征生成模塊，用于將軟件源代碼轉(zhuǎn)換為抽象語法樹，基于主節(jié)點(diǎn)優(yōu)先的遍歷算法和卷積神經(jīng)網(wǎng)絡(luò)對所述抽象語法樹進(jìn)行處理，以生成語法樹特征；

29、網(wǎng)絡(luò)嵌入向量生成模塊，用于根據(jù)所述源代碼中的依賴關(guān)系構(gòu)建類依賴網(wǎng)絡(luò)，利用圖嵌入算法對所述類依賴網(wǎng)絡(luò)進(jìn)行嵌入，以得到網(wǎng)絡(luò)嵌入向量；

30、第二特征生成模塊，用于將所述源代碼的代碼度量與所述網(wǎng)絡(luò)嵌入向量進(jìn)行拼接，以生成增強(qiáng)特征；

31、第三特征生成模塊，用于將所述語法樹特征與所述增強(qiáng)特征進(jìn)行組合，以得到圖節(jié)點(diǎn)屬性特征；

32、缺陷預(yù)測模塊，用于基于所述圖節(jié)點(diǎn)屬性特征進(jìn)行缺陷預(yù)測。

33、為解決以上技術(shù)問題，本發(fā)明實(shí)施例還提供了一種終端設(shè)備，包括：處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執(zhí)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上任意一項(xiàng)所述的軟件缺陷預(yù)測方法。

34、為解決以上技術(shù)問題，本發(fā)明實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，其中，在所述計(jì)算機(jī)程序運(yùn)行時(shí)控制所述計(jì)算機(jī)可讀存儲介質(zhì)所在設(shè)備執(zhí)行如上任意一項(xiàng)所述的軟件缺陷預(yù)測方法。

35、本發(fā)明實(shí)施例提供的一種軟件缺陷預(yù)測方法、系統(tǒng)、設(shè)備及介質(zhì)，該方法通過將軟件源代碼轉(zhuǎn)換為抽象語法樹，基于主節(jié)點(diǎn)優(yōu)先的遍歷算法和卷積神經(jīng)網(wǎng)絡(luò)對所述抽象語法樹進(jìn)行處理，生成語法樹特征；并根據(jù)所述源代碼中的依賴關(guān)系構(gòu)建類依賴網(wǎng)絡(luò)，利用圖嵌入算法對所述類依賴網(wǎng)絡(luò)進(jìn)行嵌入，以得到網(wǎng)絡(luò)嵌入向量；然后將所述源代碼的代碼度量與所述網(wǎng)絡(luò)嵌入向量進(jìn)行拼接，以生成增強(qiáng)特征；再將所述語法樹特征與所述增強(qiáng)特征進(jìn)行組合，以得到圖節(jié)點(diǎn)屬性特征；最后基于所述圖節(jié)點(diǎn)屬性特征進(jìn)行缺陷預(yù)測。本發(fā)明首先通過基于主節(jié)點(diǎn)優(yōu)先的遍歷算法和卷積神經(jīng)網(wǎng)絡(luò)來捕捉語法樹特征，能夠從源代碼中提取出深層次的且與缺陷相關(guān)的特征；其次通過在類依賴網(wǎng)絡(luò)中嵌入了傳統(tǒng)代碼度量中提取的特征，豐富了每個(gè)節(jié)點(diǎn)的屬性信息，進(jìn)一步提升了特征的質(zhì)量；最后通過融合抽象語法樹、傳統(tǒng)代碼度量和類依賴網(wǎng)絡(luò)三種視圖信息特征，構(gòu)建一個(gè)高質(zhì)量的圖節(jié)點(diǎn)屬性特征，并基于此特征表示訓(xùn)練和優(yōu)化軟件缺陷預(yù)測模型，可以捕獲更全面的代碼語義和結(jié)構(gòu)信息，學(xué)習(xí)到更加全面的特征表示，從而提升缺陷預(yù)測的準(zhǔn)確性和缺陷識別能力。

技術(shù)特征：

1.一種軟件缺陷預(yù)測方法，其特征在于，包括：

2.如權(quán)利要求1所述的軟件缺陷預(yù)測方法，其特征在于，所述基于主節(jié)點(diǎn)優(yōu)先的遍歷算法和卷積神經(jīng)網(wǎng)絡(luò)對所述抽象語法樹進(jìn)行處理，生成語法樹特征，包括：

3.如權(quán)利要求2所述的軟件缺陷預(yù)測方法，其特征在于，所述基于主節(jié)點(diǎn)優(yōu)先的遍歷算法對所述抽象語法樹進(jìn)行抽取，得到目標(biāo)節(jié)點(diǎn)序列，包括：

4.如權(quán)利要求2所述的軟件缺陷預(yù)測方法，其特征在于，所述使用卷積神經(jīng)網(wǎng)絡(luò)對所述詞嵌入向量進(jìn)行處理，生成語法樹特征，包括：

5.如權(quán)利要求1所述的方法，其特征在于，將所述語法樹特征與所述增強(qiáng)特征進(jìn)行組合的方式包括按特征的元素相加、相乘或者拼接的方式中的至少一種。

6.如權(quán)利要求1所述的軟件缺陷預(yù)測方法，其特征在于，在所述生成增強(qiáng)特征之后，還包括：

7.如權(quán)利要求1所述的方法，其特征在于，所述基于所述圖節(jié)點(diǎn)屬性特征進(jìn)行缺陷預(yù)測，包括：

8.一種軟件缺陷預(yù)測系統(tǒng)，其特征在于，包括：

9.一種終端設(shè)備，其特征在于，包括：處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執(zhí)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任意一項(xiàng)所述的軟件缺陷預(yù)測方法。

10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，其中，在所述計(jì)算機(jī)程序運(yùn)行時(shí)控制所述計(jì)算機(jī)可讀存儲介質(zhì)所在設(shè)備執(zhí)行如權(quán)利要求1至7中任意一項(xiàng)所述的軟件缺陷預(yù)測方法。

技術(shù)總結(jié)
本發(fā)明公開了一種軟件缺陷預(yù)測方法、系統(tǒng)、設(shè)備及介質(zhì)，通過將軟件源代碼轉(zhuǎn)換為抽象語法樹，基于主節(jié)點(diǎn)優(yōu)先的遍歷算法和卷積神經(jīng)網(wǎng)絡(luò)對所述抽象語法樹進(jìn)行處理，生成語法樹特征；并根據(jù)所述源代碼中的依賴關(guān)系構(gòu)建類依賴網(wǎng)絡(luò)，利用圖嵌入算法對所述類依賴網(wǎng)絡(luò)進(jìn)行嵌入，以得到網(wǎng)絡(luò)嵌入向量；然后將所述源代碼的代碼度量與所述網(wǎng)絡(luò)嵌入向量進(jìn)行拼接，以生成增強(qiáng)特征；再將所述語法樹特征與所述增強(qiáng)特征進(jìn)行組合，以得到圖節(jié)點(diǎn)屬性特征；最后基于所述圖節(jié)點(diǎn)屬性特征進(jìn)行缺陷預(yù)測。本發(fā)明融合了多種視圖信息特征，可以提升缺陷預(yù)測的準(zhǔn)確性和缺陷識別能力。

技術(shù)研發(fā)人員：荊曉遠(yuǎn),鄧晉玨,韓偉
受保護(hù)的技術(shù)使用者：廣東石油化工學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19