[发明专利]缺陷定位方法、装置和电子设备及计算机可读存储介质

说明书

本申请实施例提供了一种缺陷定位方法、装置和电子设备及计算机可读存储介质，该方法包括：获取待检测代码文件，以及待检测代码文件所对应的缺陷报告；基于缺陷报告中的文本信息，确定第一词向量集合；基于分层狄利克雷过程HDP模型对第一词向量集合进行处理，确定第一词向量集合中的主题向量；基于主题向量对待检测代码文件进行缺陷定位。本申请实施例提供的方案中，由于是通过HDP模型在缺陷报告的词向量集合中进行主题提取，在聚类过程中可以根据实际情况自动确定主题数目，无需人工设定主题数目，也就避免了因调整主题数目导致的重复构建LDA主题模型的过程，减少了时间的耗费，便于用户的使用。

技术领域

本申请涉及软件开发技术领域，具体而言，本申请涉及一种缺陷定位方法、装置和电子设备及计算机可读存储介质。

背景技术

软件缺陷定位是在代码执行失败时，确定缺陷所在具体位置的一种分析方法。在传统的软件开发过程中，通常是由开发人员手工调试、找到缺陷并进行修复，但这种传统的缺陷定位方法成本较高，效率较低。目前多通过自动化缺陷定位方法来进行缺陷定位，自动化缺陷定位主要包括动态定位以及静态定位。

静态定位是通过分析代码结构来定位缺陷，在静态定位的处理过程中，多会使用到隐含狄利克雷分布(Latent Dirichlet Allocation，LDA)主题模型对数据进行分析，LDA主题模型中需要人工设定聚类数目，即需要人工设定提取出的主题数目，在实际使用中可能需要多次调整聚类数目，而当聚类数目调整时，就需要重新构建LDA主题模型，这可能会耗费大量时间，不利于用于的实际使用。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一。本申请所采用的技术方案如下：

第一方面，本申请实施例提供了一种缺陷定位方法，该方法包括：

获取待检测代码文件，以及待检测代码文件所对应的缺陷报告；

基于缺陷报告中的文本信息，确定第一词向量集合；

基于分层狄利克雷过程(Hierarchical Dirichlet Process，HDP)模型对第一词向量集合进行处理，确定第一词向量集合中的主题向量；

基于主题向量对待检测代码文件进行缺陷定位。

可选地，基于主题向量对待检测代码文件进行缺陷定位，包括：

基于待检测代码文件确定第二词向量集合；

基于第二词向量集合中的目标向量，对待检测代码文件进行缺陷定位，目标向量与主题向量的相似度满足预设条件。

可选地，基于待检测代码文件确定第二词向量集合，包括：

构建待检测代码文件的抽象语法树；

提取抽象语法树中的目标词；

基于目标词，确定第二词向量集合。

可选地，目标词包括以下至少一项：

类名；

方法名；

变量名。

可选地，基于缺陷报告中的文本信息，确定第一词向量集合，包括：

基于缺陷报告中的缺陷描述信息，确定第一词向量集合。

可选地，基于缺陷报告中的缺陷描述信息，确定第一词向量集合，包括：

对缺陷描述信息进行断句，得到断句结果

对断句处理结果进行分词，得到分词结果；

对分词结果进行向量化处理，得到第一词向量集合。