[發(fā)明專利]一種基于混合式主動(dòng)學(xué)習(xí)策略的軟件缺陷預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811319619.3
• 申請(qǐng)日: 2018-11-07
• 公開(kāi)（公告）號(hào): CN109656808B
• 公開(kāi)（公告）日: 2022-03-11
• 發(fā)明（設(shè)計(jì)）人: 曲豫賓;李芳
• 申請(qǐng)（專利權(quán)）人: 江蘇工程職業(yè)技術(shù)學(xué)院
• 主分類號(hào): G06F11/36
• 分類號(hào): G06F11/36;G06K9/62
• 代理公司: 北京一格知識(shí)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(kāi)了一種基于混合式主動(dòng)學(xué)習(xí)策略的軟件缺陷預(yù)測(cè)方法，采用基于代價(jià)敏感的信息熵與相對(duì)熵協(xié)同主動(dòng)學(xué)習(xí)方法，該方法使用常見(jiàn)的信息熵作為優(yōu)質(zhì)樣例的評(píng)價(jià)指標(biāo)，對(duì)于信息熵較高的樣例手工標(biāo)注，同時(shí)使用相對(duì)熵來(lái)進(jìn)一步分析低信息熵的樣例，更加有效的擴(kuò)充標(biāo)注數(shù)據(jù)集。通過(guò)實(shí)驗(yàn)表明，本發(fā)明可以提高軟件缺陷預(yù)測(cè)性能，減少人工標(biāo)注成本，更加高效。

技術(shù)領(lǐng)域

本發(fā)明涉及主動(dòng)學(xué)習(xí)技術(shù)領(lǐng)域，特別是涉及一種基于混合式主動(dòng) 學(xué)習(xí)策略的軟件缺陷預(yù)測(cè)方法。

背景技術(shù)

軟件缺陷模塊會(huì)造成企業(yè)生產(chǎn)過(guò)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(cè)模型用于在軟件開(kāi)發(fā)階 段盡早發(fā)現(xiàn)軟件缺陷模塊，常見(jiàn)模型包括有監(jiān)督的模型以及無(wú)監(jiān)督的 模型等等。

如果軟件項(xiàng)目具有豐富的歷史標(biāo)注數(shù)據(jù)，那么就可以通過(guò)建立有 監(jiān)督的機(jī)器學(xué)習(xí)模型，來(lái)構(gòu)建同項(xiàng)目軟件缺陷預(yù)測(cè)(within-project defect prediction)模型，評(píng)估軟件模塊缺陷的概率或者計(jì)算某個(gè)模塊的 缺陷個(gè)數(shù)等等。在實(shí)際軟件開(kāi)發(fā)過(guò)程中，如果軟件項(xiàng)目為全新的項(xiàng)目， 或者這個(gè)項(xiàng)目的訓(xùn)練數(shù)據(jù)比較少，那么需要企業(yè)對(duì)于缺陷模塊標(biāo)記工作投入大量時(shí)間，同時(shí)該工作是專業(yè)性相對(duì)較強(qiáng)的工作，對(duì)于軟件模 塊標(biāo)注需要較為專業(yè)的人員來(lái)進(jìn)行，因此軟件缺陷預(yù)測(cè)模型的建立需 要花費(fèi)大量的時(shí)間，投入較多的人力，提升了軟件開(kāi)發(fā)的成本。

主動(dòng)學(xué)習(xí)為解決樣例標(biāo)注問(wèn)題提供多種查詢策略，使得企業(yè)可以 在面對(duì)海量標(biāo)注模塊時(shí)候主動(dòng)選擇某個(gè)樣例進(jìn)行標(biāo)注，將待標(biāo)注樣例 人工標(biāo)注完成以后加入到標(biāo)注樣例數(shù)據(jù)集中，快速建立軟件缺陷預(yù)測(cè) 模型。主動(dòng)學(xué)習(xí)的選擇策略被用于從軟件缺陷預(yù)測(cè)數(shù)據(jù)集中選擇優(yōu)質(zhì) 樣例，樣例由人工標(biāo)注以后擴(kuò)展訓(xùn)練數(shù)據(jù)集，同時(shí)聯(lián)合使用維度縮減， 特征選擇等其他機(jī)器學(xué)習(xí)方法提升軟件缺陷預(yù)測(cè)的性能。

使用的選擇策略包括不確定度信息熵等常見(jiàn)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(dòng)學(xué)習(xí)一次 查詢過(guò)程中往往低信息熵的樣例被拋棄，對(duì)于低信息熵樣例的利用很 少涉及。

專利號(hào)CN201710271035.2公開(kāi)了一種基于條件依賴標(biāo)簽集的多 標(biāo)簽主動(dòng)學(xué)習(xí)方法，通過(guò)同時(shí)對(duì)樣本信息熵和相對(duì)熵整合，篩選信息 量大的樣本作為主動(dòng)學(xué)習(xí)的對(duì)象，該方法盡管使用了信息熵與相對(duì)熵 共同工作的原理，但在信息熵處理階段同時(shí)加入相對(duì)熵計(jì)算，反而會(huì) 對(duì)系統(tǒng)的運(yùn)行效率及效果產(chǎn)生不利影響，另外低信息熵樣例也沒(méi)有被 很好的利用。

發(fā)明內(nèi)容

為解決人工標(biāo)注成本高，預(yù)測(cè)性能低的問(wèn)題，本發(fā)明提供了一種 基于混合式主動(dòng)學(xué)習(xí)策略的軟件缺陷預(yù)測(cè)方法。

一種基于混合式主動(dòng)學(xué)習(xí)策略的軟件缺陷預(yù)測(cè)方法，其特征在 于，所述基于混合式主動(dòng)學(xué)習(xí)策略的軟件缺陷預(yù)測(cè)方法采用基于代價(jià) 敏感的信息熵與相對(duì)熵協(xié)同主動(dòng)學(xué)習(xí)方法，簡(jiǎn)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(píng)價(jià)指標(biāo)，從未標(biāo)記樣例數(shù)據(jù)中選取信息熵較高的樣 例手工標(biāo)注，同時(shí)使用相對(duì)熵來(lái)進(jìn)一步分析低信息熵的樣例，進(jìn)一步 擴(kuò)充已標(biāo)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(guò)信息熵計(jì)算公式計(jì)算每個(gè)未標(biāo)記樣例數(shù)據(jù)的信息熵； 步驟2：通過(guò)計(jì)算公式(1)從未標(biāo)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(jìn)行人工標(biāo)注，標(biāo)注完成后加入已標(biāo)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(biāo)記樣例數(shù)據(jù)，利用相對(duì) 熵計(jì)算方式進(jìn)行標(biāo)注；

步驟4：預(yù)先設(shè)置一個(gè)相對(duì)熵閾值，若相對(duì)熵低于閾值，則加入該樣 例到已標(biāo)記數(shù)據(jù)集，同時(shí)用預(yù)測(cè)結(jié)果的標(biāo)記作為該數(shù)據(jù)的偽標(biāo)記；若 相對(duì)熵高于閾值，則放棄對(duì)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(jì)算方式如下：