[发明专利]一种用于软件自承认型技术债务的检测方法

说明书

本发明公开了一种用于软件自承认型技术债务的检测方法，首先进行数据集的获取和处理；然后构建自承认型技术债务检测模型；包括三个并行的基分类器；分别为CNN、CNN‑LSTM混合模型和DPCNN；将词向量矩阵分别输入三个基分类器，每个基分类器输出各自对注释数据属于自承认型技术债务的概率；将三个基分类器输出分类结果进行融合，得到最终的注释数据属于自承认型技术债务的概率；最后判断概率和分类阈值的大小关系，输出检测注释数据是否为自承认型技术债务的结果。本发明可以克服误判率较高的问题，相对于其他方法能够识别出更多数量的SATD，同时减少了单一模型的偏见性，从而解决了在识别SATD时存在的误判，准确率低的问题。

技术领域

本发明属于软件技术领域，具体涉及一种自承认型技术债务的检测方法。

背景技术

技术债务是一种隐喻，它表达的是在软件开发过程中使用一种不完整、临时或者次优的解决方案。这一概念首次由Cunningham于1992年提出，他将“不完全正确的代码”视为债务的一种形式。后来，Potdar和Shihab对指向债务实例的源代码注释进行了研究，他们通过手动处理大量注释发现对于代码中可能存在的问题，开发人员往往倾向于在注释中表明。针对这一发现，Potdar和Shihab提出了自承认技术债务(Self- admitted TechnicalDebt)，并总结了62种模式用于识别它。之后，研究者们开始关注 SATD的研究，探讨和改进各种方法和技术，为了更好地分析和管理自承认技术债务，识别成为当前研究的首要问题，也是目前的研究热点。

现有自承认技术债务识别的研究主要有四个方面：基于模式的方法、基于自然语言处理方法、文本挖掘方法及深度神经网络CNN的方法。其中，Ren et al.使用卷积神经网络进行了识别自承认技术债务的初步尝试，他们分析了SATD文本注释的五个特征，这些特征影响着基于模式的SATD检测和传统的基于文本挖掘的方法识别SATD 的性能、可概括性和适用性。为了提高SATD识别的准确性，尤其是跨项目识别准确性，并提高基于机器学习的识别结果的可解释性，他们的方法学习从评论数据中提取 SATD识别任务的信息文本功能。然而，使用卷积神经网络模型进行SATD识别时，过于关注于局部特征，丢失了部分全局特征。并且，单一模型通常仅利用分类模型对已知类别的训练数据进行学习，从而得到一个单一的分类器对未知数据进行分类。相比于多个模型来说，分类精度低，泛化能力弱。

发明内容

为了克服现有技术的不足，本发明提供了一种用于软件自承认型技术债务的检测方法，首先进行数据集的获取和处理；然后构建自承认型技术债务检测模型；包括三个并行的基分类器；分别为CNN、CNN-LSTM混合模型和DPCNN；将词向量矩阵分别输入三个基分类器，每个基分类器输出各自对注释数据属于自承认型技术债务的概率；将三个基分类器输出分类结果进行融合，得到最终的注释数据属于自承认型技术债务的概率；最后判断概率和分类阈值的大小关系，输出检测注释数据是否为自承认型技术债务的结果。本发明可以克服误判率较高的问题，相对于其他方法能够识别出更多数量的SATD，同时减少了单一模型的偏见性，从而解决了在识别SATD时存在的误判，准确率低的问题。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：数据集的获取和处理；

采用公开的源代码注释数据集，将源代码注释数据集中的数据划分为多个项目数据集，然后分别进行符号化、移除停用词，然后进行文本表示转化为注释矩阵；

将注释矩阵输入神经网络的Embedding层，对Embedding层进行训练，输出词向量；再将词向量按照注释顺序拼接后得到词向量矩阵；

步骤2：构建自承认型技术债务检测模型；

所述自承认型技术债务检测模型包括三个并行的基分类器；

第一个基分类器为CNN；

第二个基分类器为CNN-LSTM混合模型；