傳統(tǒng)的缺陷預測技術主要集中在對軟件項目中的文件、模塊、包等粗粒度對象進行預測,然而相關技術在實際中卻難以應用,例如當缺陷預測模型預測一個較大的文件存在缺陷時,審查所需的時間與精力對于開發(fā)者來說難以接受,且當一個文件被多個開發(fā)者修改時,更難以確定合適的開發(fā)者對預測文件進行審查。而現(xiàn)有的細粒度缺陷預測方法,包括代碼行級與變更級預測,對于軟件倉庫語料、變更數(shù)據(jù)有一定的數(shù)量要求,軟件開發(fā)初期難以進行有效的缺陷預測。在細粒度的預測要求前提下,本文對于軟件項目初期,提出了一種基于API使用規(guī)范的跨項目可遷移的代碼行級缺陷預測模型,實現(xiàn)了對軟件項目早期的有效缺陷預測;對于軟件項目后期,本文提出了一種利用變更信息語義特征與變更度量的變更級缺陷預測模型,提升了現(xiàn)有變更級預測模型的能力。本文主要工作與創(chuàng)新點如下:（1）代碼行級缺陷預測。本文提出了一種基于類API使用規(guī)范的代碼行級缺陷預測模型。本文首先提出了一種基于抽象語法樹的類API調用序列提取方法,從源代碼文件中提取指定類的實例的API調用序列,并基于API調用序列構建語言模型,預測API序列中的API誤用缺陷,將代碼缺陷定位至使用API的代碼行處;（... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 軟件缺陷預測與研究現(xiàn)狀
        1.2.1 軟件缺陷預測基本內容
        1.2.2 軟件缺陷預測研究簡史
    1.3 本文研究內容
        1.3.1 研究目的
        1.3.2 本文創(chuàng)新點
    1.4 本文組織結構
第2章 相關技術分析
    2.1 代碼行級缺陷預測相關技術
        2.1.1 N-grams語言模型
        2.1.2 基于N-grams的代碼行級缺陷預測方法
    2.2 變更級缺陷預測相關技術
        2.2.1 變更級度量
        2.2.2 變更標簽標注
        2.2.3 變更級缺陷預測常用機器學習算法
    2.3 詞嵌入技術
    2.4 循環(huán)卷積神經(jīng)網(wǎng)絡
        2.4.1 循環(huán)神經(jīng)網(wǎng)絡
        2.4.2 循環(huán)卷積神經(jīng)網(wǎng)絡
    2.5 抽象語法樹及其解析
    2.6 本章小結
第3章 基于API使用規(guī)范的代碼行級缺陷預測
    3.1 代碼行級缺陷預測技術存在的問題
    3.2 基于API使用規(guī)范的代碼行缺陷預測模型
        3.2.1 模型總體框架
        3.2.2 模型結構
    3.3 基于AST的 API調用序列提取
        3.3.1 Java文件獲取
        3.3.2 API調用序列圖構建
        3.3.3 API調用序列提取
    3.4 實驗與結果分析
        3.4.1 數(shù)據(jù)集與實驗設置
        3.4.2 實驗結果與分析
        3.4.3 API缺陷實例展示
    3.5 本章小結
第4章 基于變更語義與度量的變更級缺陷預測
    4.1 變更級缺陷預測存在的問題
    4.2 基于變更語義與度量的變更級缺陷預測模型
        4.2.1 模型總體框架
        4.2.2 模型結構
    4.3 數(shù)據(jù)預處理
        4.3.1 度量數(shù)據(jù)預處理
        4.3.2 變更信息獲取與預處理
    4.4 實驗與結果分析
        4.4.1 數(shù)據(jù)集與實驗設置
        4.4.2 實驗結果與分析
    4.5 本章小結
第5章 總結與展望
    5.1 本文總結
    5.2 未來展望
參考文獻
讀碩士學位期間主要的研究成果
致謝



本文編號：3438943