[发明专利]一种跨项目软件缺陷预测方法

摘要

本发明公开一种跨项目软件缺陷预测方法，涉及数据处理技术领域。针对软件缺陷预测过程经常受阻、且往往会出现类别分布不平衡的问题，采用方案基于TextCNN和Borderline‑SMOTE算法，包括训练阶段和预测阶段。在训练阶段，基于Java源文件的已知维度特征、语义信息特征、以及存在的软件缺陷，进行Word2vec模型、TextCNN、逻辑回归分类器的训练，在预测阶段，则直接利用训练好的Word2vec模型、TextCNN、逻辑回归分类器的进行目标Java源文件的预测，并最终预测输出目标Java源文件的软件缺陷数量。本发明的预测方法提高了预测的准确率和提高训练速度，不仅限于对同项目的软件缺陷进行预测，还可以用于跨项目的软件缺陷进行预测。

主权项

1.一种跨项目软件缺陷预测方法，其特征在于,其包括训练阶段和预测阶段；所述训练阶段包括：Ⅰ)提取Java源文件的原始多维特征，并对每一个Java源文件进行标记；Ⅱ)将Java源文件解析成抽象语法树，抽取抽象语法树的相关节点形成单词文件；Ⅲ)训练Word2vec模型，利用Word2vec模型对单词进行向量化，形成词向量；Ⅳ)已知Java源文件包含的语义信息，提取Java源文件所包含语义信息的特征，基于词向量和提取的特征训练TextCNN；Ⅴ)组合包含Java源文件语义信息的特征和Java源文件的原始多维特征，形成新特征向量；Ⅵ)利用Borderline‑SMOTE算法对组合后的新特征向量进行不平衡处理；Ⅶ)不平衡处理后的新特征向量和Java源文件具有的软件缺陷数量作为训练样本，利用训练样本训练逻辑回归分类器；所述预测阶段包括：Ⅰ)提取目标Java源文件的原始多维特征，并对每一个目标Java源文件进行标记；Ⅱ)将目标Java源文件解析成抽象语法树，抽取抽象语法树的相关节点形成单词文件；Ⅲ)利用Word2vec模型对单词进行向量化，形成词向量；Ⅳ)利用TextCNN对词向量进行包含语义信息的特征提取；Ⅴ)组合包含语义信息的特征和目标Java源文件的原始多维特征，形成新特征向量；Ⅵ)利用Borderline‑SMOTE算法对组合后的新特征向量进行不平衡处理；Ⅶ)将不平衡处理后的新特征向量输入逻辑回归分类器，逻辑回归分类器输出预测目标Java源文件的软件缺陷数量。