[發(fā)明專利]一種基于混合式主動學習策略的軟件缺陷預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201811319619.3
• 申請日: 2018-11-07
• 公開（公告）號: CN109656808B
• 公開（公告）日: 2022-03-11
• 發(fā)明（設(shè)計）人: 曲豫賓;李芳
• 申請（專利權(quán)）人: 江蘇工程職業(yè)技術(shù)學院
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06K9/62
• 代理公司: 北京一格知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11316
• 代理人: 滑春生

本發(fā)明公開了一種基于混合式主動學習策略的軟件缺陷預(yù)測方法，采用基于代價敏感的信息熵與相對熵協(xié)同主動學習方法，該方法使用常見的信息熵作為優(yōu)質(zhì)樣例的評價指標，對于信息熵較高的樣例手工標注，同時使用相對熵來進一步分析低信息熵的樣例，更加有效的擴充標注數(shù)據(jù)集。通過實驗表明，本發(fā)明可以提高軟件缺陷預(yù)測性能，減少人工標注成本，更加高效。

技術(shù)領(lǐng)域

本發(fā)明涉及主動學習技術(shù)領(lǐng)域，特別是涉及一種基于混合式主動 學習策略的軟件缺陷預(yù)測方法。

背景技術(shù)

軟件缺陷模塊會造成企業(yè)生產(chǎn)過程中的操作失敗，導(dǎo)致企業(yè)出現(xiàn) 重大損失，降低客戶的滿意度。軟件缺陷預(yù)測模型用于在軟件開發(fā)階 段盡早發(fā)現(xiàn)軟件缺陷模塊，常見模型包括有監(jiān)督的模型以及無監(jiān)督的 模型等等。

如果軟件項目具有豐富的歷史標注數(shù)據(jù)，那么就可以通過建立有 監(jiān)督的機器學習模型，來構(gòu)建同項目軟件缺陷預(yù)測(within-project defect prediction)模型，評估軟件模塊缺陷的概率或者計算某個模塊的 缺陷個數(shù)等等。在實際軟件開發(fā)過程中，如果軟件項目為全新的項目， 或者這個項目的訓(xùn)練數(shù)據(jù)比較少，那么需要企業(yè)對于缺陷模塊標記工作投入大量時間，同時該工作是專業(yè)性相對較強的工作，對于軟件模 塊標注需要較為專業(yè)的人員來進行，因此軟件缺陷預(yù)測模型的建立需 要花費大量的時間，投入較多的人力，提升了軟件開發(fā)的成本。

主動學習為解決樣例標注問題提供多種查詢策略，使得企業(yè)可以 在面對海量標注模塊時候主動選擇某個樣例進行標注，將待標注樣例 人工標注完成以后加入到標注樣例數(shù)據(jù)集中，快速建立軟件缺陷預(yù)測 模型。主動學習的選擇策略被用于從軟件缺陷預(yù)測數(shù)據(jù)集中選擇優(yōu)質(zhì) 樣例，樣例由人工標注以后擴展訓(xùn)練數(shù)據(jù)集，同時聯(lián)合使用維度縮減， 特征選擇等其他機器學習方法提升軟件缺陷預(yù)測的性能。

使用的選擇策略包括不確定度信息熵等常見策略，然而這些研究 中并未關(guān)注低信息熵的樣例，即確定度較高的樣例，在主動學習一次 查詢過程中往往低信息熵的樣例被拋棄，對于低信息熵樣例的利用很 少涉及。

專利號CN201710271035.2公開了一種基于條件依賴標簽集的多 標簽主動學習方法，通過同時對樣本信息熵和相對熵整合，篩選信息 量大的樣本作為主動學習的對象，該方法盡管使用了信息熵與相對熵 共同工作的原理，但在信息熵處理階段同時加入相對熵計算，反而會 對系統(tǒng)的運行效率及效果產(chǎn)生不利影響，另外低信息熵樣例也沒有被 很好的利用。

發(fā)明內(nèi)容

為解決人工標注成本高，預(yù)測性能低的問題，本發(fā)明提供了一種 基于混合式主動學習策略的軟件缺陷預(yù)測方法。

一種基于混合式主動學習策略的軟件缺陷預(yù)測方法，其特征在 于，所述基于混合式主動學習策略的軟件缺陷預(yù)測方法采用基于代價 敏感的信息熵與相對熵協(xié)同主動學習方法，簡稱為 UNCERTAINTYKL模型，所述UNCERTAINTYKL模型使用信息熵 作為優(yōu)質(zhì)樣例的評價指標，從未標記樣例數(shù)據(jù)中選取信息熵較高的樣 例手工標注，同時使用相對熵來進一步分析低信息熵的樣例，進一步 擴充已標記數(shù)據(jù)集。

優(yōu)選的，所述UNCERTAINTYKL模型包括以下步驟：

步驟1：通過信息熵計算公式計算每個未標記樣例數(shù)據(jù)的信息熵； 步驟2：通過計算公式(1)從未標記樣例數(shù)據(jù)中選擇信息熵最高的 數(shù)據(jù)樣例交由領(lǐng)域?qū)＜疫M行人工標注，標注完成后加入已標記數(shù)據(jù) 集；

步驟3：篩選步驟2中剩余信息熵最低的未標記樣例數(shù)據(jù)，利用相對 熵計算方式進行標注；

步驟4：預(yù)先設(shè)置一個相對熵閾值，若相對熵低于閾值，則加入該樣 例到已標記數(shù)據(jù)集，同時用預(yù)測結(jié)果的標記作為該數(shù)據(jù)的偽標記；若 相對熵高于閾值，則放棄對該樣例的處理。

優(yōu)選的，步驟2中所述信息熵最高的數(shù)據(jù)樣例的計算方式如下：