[發(fā)明專利]一種軟件缺陷嚴(yán)重程度識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911425226.5
• 申請(qǐng)日: 2019-12-31
• 公開（公告）號(hào): CN111177010A
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計(jì)）人: 俞東進(jìn);郭世明;陳信;王琳
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): G06F11/36
• 分類號(hào): G06F11/36;G06N3/12;G06N3/04
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 楊舟濤

本發(fā)明公開了一種軟件缺陷報(bào)告嚴(yán)重程度識(shí)別方法。該方法基于卷積神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)缺陷報(bào)告嚴(yán)重程度的識(shí)別，利用元啟發(fā)式算法—遺傳算法進(jìn)行特征選擇來提高預(yù)測(cè)的性能。通過本發(fā)明方法能夠高效識(shí)別軟件缺陷報(bào)告的嚴(yán)重程度，降低軟件維護(hù)的成本，對(duì)軟件開發(fā)過程具有非常重要的意義。本發(fā)明提出使用遺傳算法來進(jìn)行特征提取，同時(shí)結(jié)合深度學(xué)習(xí)模型進(jìn)行預(yù)測(cè)。相比于傳統(tǒng)的軟件缺陷報(bào)告嚴(yán)重程度預(yù)測(cè)方法，本發(fā)明利用遺傳算法進(jìn)行特征選擇，采用最小化平均絕對(duì)偏差作為適應(yīng)度函數(shù)來評(píng)估每個(gè)個(gè)體，大大提高特征選擇的效果；使用深度卷積神經(jīng)網(wǎng)絡(luò)創(chuàng)建模型，進(jìn)一步提高特征選擇的準(zhǔn)確性，增強(qiáng)預(yù)測(cè)模型的性能。

技術(shù)領(lǐng)域

本發(fā)明涉及軟件倉庫挖掘領(lǐng)域，尤其涉及一種遺傳算法和卷積神經(jīng)網(wǎng)絡(luò)的軟件缺陷報(bào)告嚴(yán)重程度識(shí)別方法。

背景技術(shù)

在軟件開發(fā)過程中，不可避免地會(huì)出現(xiàn)軟件缺陷，軟件缺陷會(huì)影響軟件質(zhì)量，需要被及時(shí)修復(fù)，并且軟件缺陷的修復(fù)在軟件開發(fā)生命周期中占很大比例。因此，提高軟件缺陷修復(fù)效率是確保軟件質(zhì)量的關(guān)鍵。目前，為了解決這個(gè)問題，很多大型項(xiàng)目都使用軟件缺陷報(bào)告跟蹤系統(tǒng)來記錄缺陷信息，以便快速定位和修復(fù)缺陷。

軟件缺陷報(bào)告的嚴(yán)重性主要包括blocker、critical、major、normal、minor、trivial六個(gè)級(jí)別，其中blocker、critical和major級(jí)別的缺陷歸類為嚴(yán)重缺陷，其他級(jí)別的缺陷歸類為非嚴(yán)重缺陷。在對(duì)缺陷報(bào)告進(jìn)一步分類時(shí)，傳統(tǒng)的做法是開發(fā)人員手動(dòng)將用戶所提交的軟件缺陷報(bào)告定性分成兩類，來幫助開發(fā)人員確定哪些缺陷需要被及時(shí)修復(fù)以及哪些缺陷可以延遲修復(fù)。在實(shí)際操作中，首先由于用戶之間表達(dá)方式的差異性，同類型的軟件缺陷也許會(huì)被判定為不同級(jí)別的嚴(yán)重程度；其次，開發(fā)人員手動(dòng)分類軟件缺陷報(bào)告時(shí)，主觀性較強(qiáng)且效率低下，因此人們迫切需要依靠自動(dòng)化技術(shù)實(shí)現(xiàn)軟件缺陷報(bào)告的分類。近年來受到機(jī)器學(xué)習(xí)在預(yù)測(cè)領(lǐng)域所取得的成果啟發(fā)，研究人員已經(jīng)將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到軟件缺陷報(bào)告嚴(yán)重程度識(shí)別這一問題。然而將傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到缺陷報(bào)告嚴(yán)重程度識(shí)別時(shí)，會(huì)遇到一個(gè)很大的挑戰(zhàn)，即無法有效提取文本特征。

傳統(tǒng)預(yù)測(cè)方法對(duì)軟件缺陷報(bào)告嚴(yán)重程度預(yù)測(cè)的準(zhǔn)確率較低，可能會(huì)導(dǎo)致開發(fā)人員花費(fèi)大量時(shí)間在緊急度低的軟件缺陷上，對(duì)軟件質(zhì)量造成巨大影響。相比較之下，機(jī)器學(xué)習(xí)算法可以有效識(shí)別軟件缺陷報(bào)告嚴(yán)重程度，極大地降低了軟件維護(hù)的成本。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種結(jié)合遺傳算法和卷積神經(jīng)網(wǎng)絡(luò)的軟件缺陷報(bào)告嚴(yán)重程度識(shí)別方法，可有效解決上述問題。本發(fā)明具體采用的技術(shù)方案如下：

一種軟件缺陷嚴(yán)重程度識(shí)別方法，具體包括以下步驟：

步驟(1)定義軟件缺陷的嚴(yán)重程度，將normal、trivial和minor級(jí)別歸為非嚴(yán)重缺陷s₁，將major、blocker和critical級(jí)別歸為嚴(yán)重缺陷s₂；

步驟(2)給定缺陷報(bào)告集合R＝(R₁，R_2，...R_n)，將其中每個(gè)軟件缺陷報(bào)告表示成R_i＝＜reportId，des，severity＞，i＝1，2...，n，其中reportId表示軟件缺陷報(bào)告編號(hào)，des表示軟件缺陷報(bào)告的描述信息，severity表示軟件缺陷報(bào)告的嚴(yán)重程度，即s₁或s₂；

步驟(3)對(duì)每個(gè)軟件缺陷的描述信息des進(jìn)行預(yù)處理：首先對(duì)des進(jìn)行標(biāo)記，用空格區(qū)分成單詞形式，并刪除其中的符號(hào)，然后基于停用詞列表移除其中的停用詞，最后將每個(gè)單詞轉(zhuǎn)為它的原型(即將每個(gè)單詞轉(zhuǎn)為它原有的詞干或詞根)；經(jīng)過預(yù)處理后每個(gè)缺陷報(bào)告R_i＝＜reportId，preDes，severity＞，其中preDes表示預(yù)處理后的描述信息；