[發明專利]一種文本代碼相結合的缺陷原因自動分類方法

有效

• 申請號: 201811346186.0
• 申請日: 2018-11-13
• 公開（公告）號: CN109492106B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 周澄;李斌;孫小兵;陳定山
• 申請（專利權）人: 揚州大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 馬魯晉

1.一種文本代碼相結合的缺陷原因自動分類方法，其特征在于，包括以下步驟：

步驟1、提取缺陷報告中的文本內容以及附錄中的patch文件，之后進行數據清洗形成缺陷數據集；

步驟2、從所述缺陷數據集中選取狀態為VERIFIED FIXED且附有patch文件的缺陷，構建待分類缺陷集；

步驟3、抽取待分類缺陷集中缺陷的文本內容，并對其進行自然語言處理，之后根據缺陷原因分類標準對待分類缺陷集進行類別標注，構建缺陷原因分類集；

步驟4、自定義缺陷修改結構類別，并從所述patch文件中抽取缺陷修復前、后的diff代碼，之后獲取缺陷修復過程中修改的diff代碼對應的缺陷修改結構類別；所述獲取缺陷修復過程中修改的diff代碼對應的缺陷修改結構類別，具體為：

步驟4-1、將缺陷修復前、后的diff代碼分別轉換為抽象語法樹AST；

步驟4-2、通過對比兩個抽象語法樹AST識別出發生變化的節點；

步驟4-3、根據所述發生變化的節點獲取修改的diff代碼對應的缺陷修改結構類別；

步驟5、利用深度學習方法對缺陷原因分類集進行訓練，獲取缺陷原因自動分類器，新缺陷輸入缺陷原因自動分類器即可完成缺陷原因的自動分類；所述利用深度學習方法對缺陷原因分類集進行訓練，獲取缺陷原因自動分類器，具體為：

步驟5-1、將缺陷原因分類集劃分為訓練集和測試集；

步驟5-2、利用深度學習模型對所述訓練集進行訓練；

步驟5-3、將步驟4獲取的缺陷修復過程中修改的diff代碼對應的缺陷修改結構類別作為特征，利用word2vec對缺陷原因分類集進行訓練，獲得詞向量模型，并將詞向量模型作為深度學習模型的embedding輸入；

步驟5-4、對所述測試集進行交叉驗證得缺陷原因自動分類器。

2.根據權利要求1所述的文本代碼相結合的缺陷原因自動分類方法，其特征在于，步驟1所述文本內容包括標題、描述和評論。

3.根據權利要求1所述的文本代碼相結合的缺陷原因自動分類方法，其特征在于，步驟3所述自然語言處理包括去停用詞、去符號、統計詞頻、分句、分詞、統計缺陷文本長度。

4.根據權利要求1所述的文本代碼相結合的缺陷原因自動分類方法，其特征在于，步驟3所述缺陷原因分類標準包括12種，分別為Compatibility、Environment、Norm、Configuration、Performance、User interface、Function、Interface、Logic、Computation、Assignment、Documentation。

5.根據權利要求1所述的文本代碼相結合的缺陷原因自動分類方法，其特征在于，步驟4所述自定義缺陷修改結構類別具體包括5種缺陷修改結構類別，如下表1所示：

表1缺陷修改結構類別定義表