基于深度学习的软件缺陷预测模型.pdf

计算机系统应用 ISSN 1003-3254, CODEN CSAOBN E-mail: ******@
Computer Systems & Applications,2021,30(1):29-37 [doi: .] -s-
©中国科学院软件研究所版权所有. Tel: +86-10-62661041


基于深度学习的软件缺陷预测模型①
陈 凯, 邵培南
(中国电子科技集团第三十二研究所, 上海 201808)
通讯作者: 陈 凯, E-mail: d-******@
摘 要: 为了提高软件的可靠性, 软件缺陷预测已经成为软件工程领域中一个重要的研究方向. 传统的软件缺陷预
测方法主要是设计静态代码度量, 并用机器学习分类器来预测代码的缺陷概率. 但是, 静态代码度量未能充分考虑
到潜藏在代码中的语义特征. 根据这种状况, 本文提出了一种基于深度卷积神经网络的软件缺陷预测模型. 首先, 从
源代码的抽象语法树中选择合适的结点提取表征向量, 并构建字典将其映射为整数向量以方便输入到卷积神经网
络. 然后, 基于GoogLeNet设计卷积神经网络, 利用卷积神经网络的深度挖掘数据的能力, 充分挖掘出特征中的语
法语义特征. 另外, 模型使用了随机过采样的方法来处理数据分类不均衡问题, 并在网络中使用丢弃法来防止模型
过拟合. 最后, 用Promise上的历史工程数据来测试模型, 并以AUC和F1-measure为指标与其他3种方法进行了
比较, 实验结果显示本文提出的模型在软件缺陷预测性能上得到了一定的提升.
关键词: 软件缺陷预测; 抽象语法树; 卷积神经网络; 随机过采样; 丢弃法
引用格式: 陈凯,,2021,30(1):29-37. -s--3254/
Software Defect Prediction Model Based on Deep Learning
CHEN Kai, SHAO Pei-Nan
(The 32nd Research Institute of China Electronics Technology Group Corporation, Shanghai 201808, China)
Abstract: In order to improve the reliability of software, software defect prediction has become an important research
direction in the field of software engineering. Traditional software