(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210445965.6 (22)申请日 2022.04.26 (71)申请人 南通大学 地址 226000 江苏省南 通市崇川区啬园路9 号 (72)发明人 文万志　张瑞年　祁佳篁　沈陈强　 陆晓虹　宋梦婷　尹思文　程学云　 (74)专利代理 机构 南通一恒专利商标代理事务 所(普通合伙) 32553 专利代理师 梁金娟 (51)Int.Cl. G06F 11/36(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06F 40/30(2020.01) (54)发明名称 基于代码语义融合传统度量元的软件缺陷 预测方法 (57)摘要 本发明属于软件缺陷预测的技术领域， 提供 一种基于代码语义融合传统度量元的软件缺陷 预测方法， 包括如下步骤： S1、 获取项目传统度量 元； S2、 构建项目代码实例向量集PCIVS； S3、 构建 语义提取器SEM； S4、 生成语义向量集 GSVS； S5、 构 建语义融合器SCM； S6、 生成组合语义向量集 CSVS； S7、 构建缺陷预测 分类模型； S8、 构建基于 代码语义融合传统度量元的软件缺陷预测方法 MSFDP。 本发明使用特征提取器提取代码中潜在 的语义信息， 并融合人工提取的传统度量元， 使 用组合的语义向量表示构建缺陷预测分类模型， 弥补使用传统度量元建立预测模 型方法的不足， 提高软件使用的稳定性， 进一步帮助开发人员及 早的发现软件缺陷， 优化测试资源分配 。 权利要求书3页 说明书7页 附图2页 CN 114968764 A 2022.08.30 CN 114968764 A 1.一种基于代码语义融合传统度量元的软件缺陷预测方法， 其特征在于， 包括如下步 骤： S1、 获取项目传统度量元； S2、 构建项目代码实例向量 集PCIVS； S3、 构建语义 提取器SE M； S4、 生成语义向量 集GSVS； S5、 构建语义融合器SC M； S6、 生成组合语义向量 集CSVS； S7、 构建缺陷预测分类模型； S8、 构建基于代码语义融合传统度量元的软件缺陷预测方法MSFD P。 2.根据权利要求1所述的基于代码语义融合传统度量元的软件缺陷预测方法， 其特征 在于， 步骤S1包括如下步骤： S1.1、 基于开源网站获取 软件项目集 合； S1.2、 以项目类作为实例构建项目实例集 合； S1.3、 基于开源数据历史记录、 项目源代码语法结构、 源代码抽象语法树构建特征集 {WMC， DIT， NOC， CBO， RFC， LCOM， LCOM3， NPM， DAM， MOA， MFA， CAM， IC， CBM， AMC， Ca， Ce， Max_CC， Avg_CC， LOC}， 其中， WMC代表每个类的加权方法， DIT代表继承树的深度， NOC代表子类的数 目， CBO代表对象类之间的耦合， RFC代表一个类的响应， LCOM和LCOM3代表在方法上缺少的 凝聚力， NPM代表公共类的个数， DAM代表数据访问指标， MOA代表聚合的量度， MFA代表功能 抽象的量度， CAM代表类方法之间的聚合， IC代表继承耦合， CBM代表方法之间的耦合， AMC代 表平均方法复杂度， Ca代表传入耦合， Ce代表传出耦合， Max_CC代表McCabe圈复杂性的最大 值， Avg_C C代表McCabe圈复杂性的平均值， LOC代 表代码的行 数； S1.4、 将源项目中的第一个实例按步骤S1.3处 理得到tradition_src1； S1.5、 将源项目中的所有实例按照步骤S1.4处 理； S1.6、 构建源项目传统度量元向量集SPTMVS＝[tradition_src1,tradition_src2,…, tradition_srci]； 其中， i ＝1,2,3, …,n； S1.7、 将目标项目中的第一个实例按步骤S1.3处 理得到tradition_tar1； S1.8、 将目标项目中的所有实例按照步骤S1.7处 理； S1.9、 构建目标项目传统度量元向量集TPTMVS＝[tradition_tar1,tradition_ tar2,…,tradition_tarj]； 其中， j＝1,2,3, …,m。 3.根据权利要求1所述的基于代码语义融合传统度量元的软件缺陷预测方法， 其特征 在于， 步骤S2包括如下步骤： S2.1、 将代码按照预定的规则分割 成一个个 的标识token， 将得到的token合并为一个 列表； S2.2、 token是一个字符串， 将token中的每一个字符转换成ASCII中对应的十进制 值， 然后采用加法运算规则计算该token中所有token对应的十进制值， 将得到的结果作为该 token的语义 值tsv； S2.3、 将实例中的所有to ken按照步骤S2.2计算得到实例对应的实例向量tsv_l ist； S2.4、 将项目中的所有实例按步骤S2.3处理得到tsv_listi， 计算每一个tsv_list列表权　利　要　求　书 1/3 页 2 CN 114968764 A 2的长度， 统计列表的最大长度tsv_list_max。 将长度没有达到tsv_list_max的列表使用0填 补到最大长度； S2.5、 设定列表长度cl ip_len， 将每一个tsv_l ist长度按cl ip_len截取 得到tsv_cl ipi； S2.6、 读取源项目源代码集， 按照步骤S2.1～S2.5构建源项目代码实例向量集PCIVS ‑S ＝[tsv_cl ip1,tsv_clip2,…,tsv_clipi]； S2.7、 读取目标项目源代码集， 按照步骤S2.1～S2.5构建目标项目代码实例向量集 PCIVS‑T＝[tsv_cl ip1,tsv_clip2,…,tsv_clipj]。 4.根据权利要求1所述的基于代码语义融合传统度量元的软件缺陷预测方法， 其特征 在于， 步骤S3包括如下步骤： S3.1、 初始化GRU隐藏层状态； S3.2、 模型优化器采用Adam； S3.3、 模型的batch设为当前项目的实例个数， 序列长度设为clip_len， 将同一个GRU正 向和反向的隐藏层累加作为当前GRU的输出out； S3.4、 定义处 理隐藏层特 征维度容器EFC， 按顺序添加全连接层1， 激活层， 全连接层2； S3.5、 定义处 理序列长度容器SLC， 按顺序添加全连接层1， 激活层， 全连接层2； S3.6、 定义统一输出语义 容器UOSC， 添加全连接层； S3.7、 将步骤S3.3的输出按顺序经过步骤S3.4、 S3.5、 S3.6处理， 计算该结果与实例对 应的标签之间的损失， 将损失反向传递给整个网络实现对权 重的调整； S3.8、 由步骤S3.1～S3.7定义的容器和规则构建语义提取器SEM， 并通过语义提取器 SEM多次训练得到源代码多语义信息 。 5.根据权利要求1所述的基于代码语义融合传统度量元的软件缺陷预测方法， 其特征 在于， 步骤S4包括如下步骤： S4.1、 从步骤S2.6中选择源项目代码实例向量集中的一个实例向量， 使用步骤S3构建 的语义提取器SE M对该实例向量进行语义 提取； S4.2、 在第一次迭代次数下重复S4.1步骤直到所有源项目中实例向量的语义提取完 成； S4.3、 设置迭代次数epochs， 将步骤S4.2重复epochs次， 将每一次迭代训练得到的结果 记录在源项目代码语义向量 集GSVS‑s中； S4.4、 从步骤S2.7中选择目标项 目代码实例向量集中的一个实例向量， 使用步骤S3构 建的语义 提取器SE M对该实例向量进行语义 提取； S4.5、 在第一次迭代次数下重 复S4.4步骤直到所有目标项目中实例向量的语义提取完 成； S4.6、 设置迭代次数epochs， 将步骤S4.5重复epochs次， 将每一次迭代训练得到的结果 记录在目标项目代码语义向量 集GSVS‑t中。 6.根据权利要求1所述的基于代码语义融合传统度量元的软件缺陷预测方法， 其特征 在于， 步骤S5包括如下步骤： S5.1、 使用步骤S3构建的语义提取器SEM对项目传统度量元向量集的一个传统度量元 向量进行语义抽取； S5.2、 在第一次迭代次数下重复步骤S5.1， 直到所有项目传统度量元向量语义提取完权　利　要　求　书 2/3 页 3 CN 114968764 A 3