申请/专利权人：南通大学

申请日：2023-03-07

公开（公告）日：2023-05-26

公开（公告）号：CN116166563A

主分类号：G06F11/36

分类号：G06F11/36;G06F8/41;G06F16/35;G06N3/04;G06N3/08;G06F18/213

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.13#实质审查的生效;2023.05.26#公开

摘要：本发明提供了一种基于GraphSAGE和LDA的缺陷预测方法，属于计算机技术领域，解决了手工特征方法没有考虑代码项目的自然语言信息软件缺陷预测的问题。其技术方案为：包括以下步骤：1搜集来自Github的缺陷实例数据集，对该数据集进行预处理操作；2使用LDA提取项目的主题描述信息；3将代码片段解析为抽象语法树，并且提取token之间的关系矩阵；4通过BERT对token和主题词信息编码为特征向量，并对向量进行拼接；5将向量输入GraphSAGE训练，得到每个节点的特征表示；6将节点表示输入到mlp分类器中，进行缺陷预测。本发明的有益效果为：提高缺陷预测的可靠性和准确性。

主权项：1.一种基于GraphSAGE和LDA的软件缺陷预测方法，其特征在于，包括以下步骤：1搜集来自Github的缺陷实例数据集，对该数据集进行预处理操作，得到数据集D，设定数据集D包含有缺陷的代码，项目的版本号信息，该数据集包含了6052个缺陷实例；2使用LDA提取项目的主题描述信息，将主题词数量设置为1；3将代码片段解析为抽象语法树，利用先序遍历对AST中的token进行提取，并且提取token之间的关系矩阵；4考虑代码片段的抽象语法树信息，通过BERT对token和主题词信息编码为特征向量，并对向量进行拼接；5将向量输入GraphSAGE训练，得到每个节点的特征表示；6将节点表示输入到mlp分类器中，进行缺陷预测。

全文数据：

权利要求：

百度查询： 南通大学 基于GraphSAGE和LDA的软件缺陷预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD