[發(fā)明專(zhuān)利]一種基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的跨項(xiàng)目軟件缺陷預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010046978.7
• 申請(qǐng)日: 2020-01-16
• 公開(kāi)（公告）號(hào): CN111209211A
• 公開(kāi)（公告）日: 2020-05-29
• 發(fā)明（設(shè)計(jì)）人: 鄧杰瀚;陸璐
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華南理工大學(xué)
• 主分類(lèi)號(hào): G06F11/36
• 分類(lèi)號(hào): G06F11/36;G06F8/41;G06N3/04;G06N3/08
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 陳宏升

本發(fā)明公開(kāi)了一種基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的跨項(xiàng)目軟件缺陷預(yù)測(cè)方法，包括以下步驟：分析項(xiàng)目的源代碼文件，并從源代碼中解析出對(duì)應(yīng)的抽象語(yǔ)法樹(shù)；對(duì)所提取的所有抽象語(yǔ)法樹(shù)的節(jié)點(diǎn)轉(zhuǎn)換為T(mén)oken；將Token映射至詞向量空間，使之可以輸入至神經(jīng)網(wǎng)絡(luò)當(dāng)中；遍歷以詞向量形式表示的抽象語(yǔ)法樹(shù)，得到以詞向量表示的抽象語(yǔ)法樹(shù)節(jié)點(diǎn)序列；構(gòu)建長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)，并將詞向量表示的抽象語(yǔ)法樹(shù)節(jié)點(diǎn)序列按序輸入至長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)當(dāng)中，提取抽象語(yǔ)法樹(shù)的語(yǔ)義特征；將語(yǔ)義特征輸入至邏輯回歸分類(lèi)器中，分析待檢測(cè)的文件存在缺陷的概率。本發(fā)明結(jié)合深度學(xué)習(xí)自動(dòng)化特征提取技術(shù)，解決傳統(tǒng)軟件缺陷預(yù)測(cè)方法中無(wú)法有效利用編程語(yǔ)言的語(yǔ)法語(yǔ)義信息的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及軟件工程領(lǐng)域，特別涉及一種基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的跨項(xiàng)目軟件缺陷預(yù)測(cè)方法。

背景技術(shù)

隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展，智能手機(jī)功能不斷創(chuàng)新，移動(dòng)應(yīng)用呈現(xiàn)爆炸式增長(zhǎng)，其功能也越來(lái)越豐富，從社交娛樂(lè)到生活理財(cái)，各式各樣的應(yīng)用程序都涵蓋了我們生活的每一個(gè)方面，而軟件的體積以及復(fù)雜程度也在與日俱增。軟件復(fù)雜度的增加不可避免地導(dǎo)致了軟件缺陷的出現(xiàn)，而軟件缺陷的出現(xiàn)嚴(yán)重影響了軟件的質(zhì)量及其可靠性：輕則出現(xiàn)錯(cuò)誤或異常提示，重則導(dǎo)致閃退崩潰甚至造成數(shù)據(jù)丟失，極大地降低了用戶(hù)體驗(yàn)，縮短了軟件的生命期。

為保障軟件質(zhì)量，軟件測(cè)試是一種常規(guī)手段，但其成本高，過(guò)程繁瑣復(fù)雜的特點(diǎn)也使得軟件測(cè)試無(wú)法徹底涵蓋軟件開(kāi)發(fā)的每一個(gè)模塊。特別是在一些開(kāi)發(fā)計(jì)劃比較緊迫的項(xiàng)目中，進(jìn)行全面的軟件測(cè)試是不現(xiàn)實(shí)的，軟件缺陷預(yù)測(cè)技術(shù)便應(yīng)運(yùn)而生。傳統(tǒng)的軟件缺陷預(yù)測(cè)技術(shù)主要基于機(jī)器學(xué)習(xí)算法，通過(guò)建立機(jī)器學(xué)習(xí)模型來(lái)學(xué)習(xí)項(xiàng)目源文件的靜態(tài)手工特征與缺陷之間的關(guān)系，具體包括：1)從項(xiàng)目源文件中提取靜態(tài)手工特征；2)利用提取的手工特征建立對(duì)應(yīng)的機(jī)器學(xué)習(xí)模型；3)使用帶缺陷標(biāo)注的數(shù)據(jù)集訓(xùn)練模型；4)從待檢測(cè)的項(xiàng)目源文件中提取同類(lèi)靜態(tài)手工特征并輸入至訓(xùn)練好的模型，來(lái)預(yù)測(cè)每一個(gè)源文件的缺陷概率。

然而傳統(tǒng)的基于機(jī)器學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法不能利用代碼本身的語(yǔ)法和語(yǔ)義信息，導(dǎo)致預(yù)測(cè)結(jié)果非常不理想。長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)，作為一種深度學(xué)習(xí)算法，能夠從輸入的序列中自動(dòng)學(xué)習(xí)任意兩個(gè)輸入時(shí)刻之間的關(guān)系，使之在自然語(yǔ)言處理領(lǐng)域方面被廣泛地使用。與自然語(yǔ)言類(lèi)似，編程語(yǔ)言也蘊(yùn)含了豐富的的語(yǔ)法語(yǔ)義信息，如果能夠從編程語(yǔ)言中提取這些語(yǔ)法和語(yǔ)義信息用于軟件缺陷預(yù)測(cè)，將能夠彌補(bǔ)傳統(tǒng)基于靜態(tài)手工特征缺陷預(yù)測(cè)的不足。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的跨項(xiàng)目軟件缺陷預(yù)測(cè)方法，該方法結(jié)合深度學(xué)習(xí)自動(dòng)化特征提取技術(shù)，解決傳統(tǒng)軟件缺陷預(yù)測(cè)方法中無(wú)法有效利用編程語(yǔ)言的語(yǔ)法語(yǔ)義信息的問(wèn)題。

本發(fā)明的目的通過(guò)以下的技術(shù)方案實(shí)現(xiàn)：

一種基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的跨項(xiàng)目軟件缺陷預(yù)測(cè)方法，包括以下步驟：

1)分析項(xiàng)目的源代碼文件，并從源代碼中解析出對(duì)應(yīng)的抽象語(yǔ)法樹(shù)；

2)對(duì)步驟1)所提取的所有抽象語(yǔ)法樹(shù)的節(jié)點(diǎn)，按節(jié)點(diǎn)所包含信息的粗細(xì)粒度的不同，將所有節(jié)點(diǎn)轉(zhuǎn)換為T(mén)oken；

3)使用詞嵌入技術(shù)，將步驟2)轉(zhuǎn)換后的所有抽象語(yǔ)法樹(shù)的節(jié)點(diǎn)的Token映射至詞向量空間，使之可以輸入至神經(jīng)網(wǎng)絡(luò)當(dāng)中；

4)遍歷步驟3)所得到的以詞向量形式表示的抽象語(yǔ)法樹(shù)，得到以詞向量表示的抽象語(yǔ)法樹(shù)節(jié)點(diǎn)序列；

5)構(gòu)建長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)，并將步驟4)所得到詞向量表示的抽象語(yǔ)法樹(shù)節(jié)點(diǎn)序列按序輸入至長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)當(dāng)中，提取抽象語(yǔ)法樹(shù)的語(yǔ)義特征；

6)將步驟5)提取的語(yǔ)義特征輸入至邏輯回歸分類(lèi)器中，分析待檢測(cè)的文件存在缺陷的概率。