检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

移动App即时缺陷预测模型的可解释性方法

计算机应用研究 2022年第7期39卷 2104-2108页

作者：胡新宇陈翔夏鸿崚顾亚锋南通大学信息科学技术学院江苏南通226019 南京大学计算机软件新技术国家重点实验室南京210023

在移动App即时缺陷预测领域,大部分研究只关注预测模型的性能,而忽略了模型的可解释性,因此会造成开发人员对缺陷预测模型的预测结果缺乏信任,并阻碍了缺陷预测模型在实践中的应用。主要针对Android移动App即时缺陷预测模型的可解释性... 详细信息

在移动App即时缺陷预测领域,大部分研究只关注预测模型的性能,而忽略了模型的可解释性,因此会造成开发人员对缺陷预测模型的预测结果缺乏信任,并阻碍了缺陷预测模型在实践中的应用。主要针对Android移动App即时缺陷预测模型的可解释性展开研究,通过差分进化算法对局部可解释技术LIME方法进行超参优化得到ExplainApp方法,该方法可以对预测结果生成高质量解释。选择了14个实际Android应用程序作为实验对象,最终结果表明,ExplainApp方法可以解释移动App即时缺陷预测模型得到的实例预测结果。ExplainApp方法在拟合优度上要优于原始的LIME方法,可以平均提高94.50%。

关键词：即时缺陷预测移动软件可解释性超参优化

在线全文

学校读者我要写书评

暂无评论

面向智能计算框架的即时缺陷预测

软件学报 2023年第9期34卷 3966-3980页

作者：葛建虞慧群范贵生唐锏浩黄子杰华东理工大学计算机科学与工程系上海200237

作为人工智能工程化的实现工具,智能计算框架已在近年来被广泛应用,其可靠性对于人工智能的有效实现至关重要.然而,智能计算框架的可靠性保障具有挑战性,一方面,智能计算框架代码迭代迅速、测试困难;另一方面,与传统软件不同,智能计算... 详细信息

作为人工智能工程化的实现工具,智能计算框架已在近年来被广泛应用,其可靠性对于人工智能的有效实现至关重要.然而,智能计算框架的可靠性保障具有挑战性,一方面,智能计算框架代码迭代迅速、测试困难;另一方面,与传统软件不同,智能计算框架涉及大量张量计算,其代码规范缺乏软件工程理论指导.为了解决这一问题,现有的工作主要使用模糊测试手段实现缺陷定位,然而,这类方法只能实现特定类型缺陷的精准定位,却难以即时地在开发过程中引导开发者关注软件质量.因此,将国内外常见的智能计算框架(TensorFlow,百度飞桨等)作为研究对象,选取多种变更特征构建数据集,在代码提交级别对智能计算框架进行即时缺陷预测.另外,在此基础上使用LDA主题建模技术挖掘代码和代码提交信息作为新的特征,并使用随机森林进行预测.结果发现AUC-ROC平均值为0.77,且语义信息可以略微提升预测性能.最后,使用可解释机器学习方法 SHAP分析各特征属性对模型预测输出的影响,发现:(1)基本特征对于模型的影响符合传统软件开发规律;(2)代码和提交信息中的语义特征对模型的预测结果有重要影响;(3)不同系统中的不同特征对模型预测输出的贡献度排序也存在较大差异.

关键词：智能计算框架即时缺陷预测可解释人工智能实证软件工程

基于多目标优化的工作量感知即时软件缺陷预测特征构建方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：赵晨阳刘磊江贺大连理工大学软件学院

即时软件缺陷预测（JIT-SDP）是一种针对代码变更的软件缺陷预测技术，具有细粒度、即时性和可追溯性的优点，而工作量感知JIT-SDP进一步考虑代码检查工作量，旨在以有限的工作量识别更多的缺陷变更。尽管已提出了不少工作量感知JIT-SD... 详细信息

即时软件缺陷预测（JIT-SDP）是一种针对代码变更的软件缺陷预测技术，具有细粒度、即时性和可追溯性的优点，而工作量感知JIT-SDP进一步考虑代码检查工作量，旨在以有限的工作量识别更多的缺陷变更。尽管已提出了不少工作量感知JIT-SDP，但这些方法大多只针对分类模型算法进行优化。为提升工作量感知JIT-SDP的性能表现与泛用性，首次从特征工程方面入手，提出了一种工作量感知场景下的进化特征构建方法EEF。首先，EEF方法通过遗传编程树来表示特征，从分类性能与工作量感知性能两个角度出发，通过基于多目标优化的进化特征构建方法来获取新的特征转换方法。之后，通过得到的特征转换方法来构建新的特征集，并基于新的特征集训练与测试分类模型。为了验证EEF方法的有效性，在六个开源项目上三个不同评估方案中进行了实验研究，结果证明EEF方法可以提升分类模型在工作量感知场景下的性能，并优于其他特征工程方法，而且在保证特征选取多样性前提下，基于单一模型的EEF方法同样可以提升其他模型性能。

关键词：即时缺陷预测工作量感知进化特征构建多目标优化特征工程

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于数据增强的即时软件缺陷预测研究

基于数据增强的即时软件缺陷预测研究

作者：黄琳大连海事大学

学位级别：硕士

软件质量保证活动是软件开发过程中的重要环节。为了在保证软件质量的同时最小化测试成本,软件缺陷预测技术成为了软件工程领域的研究热点。基于被测软件实体大小的不同,缺陷预测技术主要分为粗粒度缺陷预测(文件、模块或者包)和细粒度... 详细信息

软件质量保证活动是软件开发过程中的重要环节。为了在保证软件质量的同时最小化测试成本,软件缺陷预测技术成为了软件工程领域的研究热点。基于被测软件实体大小的不同,缺陷预测技术主要分为粗粒度缺陷预测(文件、模块或者包)和细粒度缺陷预测(变更)。变更级缺陷预测是在开发者提交代码时,预测本次提交的代码变化是否存在缺陷的技术,又称为即时(Just-In-Time)缺陷预测。相比于粗粒度缺陷预测,即时缺陷预测技术有着可追溯和即时性的优势并因此吸引了大量研究者的注意。即时缺陷预测本质上是一个分类问题,数据集质量影响着该技术的性能。然而,即时缺陷预测数据集有相关问题有待于解决:(1)特征表示问题。即时缺陷预测存在高度的特征差异性问题,这会导致与缺陷识别不相关的特征被放大,而与缺陷识别相关的特征被弱化或者丢失;同时,目前常用的变更特征的区分性并不明显。因此,需要找到一些新的、合理的特征来提升即时软件缺陷预测模型的性能。(2)噪音数据的处理。即时缺陷预测研究中的标注数据是存在噪音的。处理训练数据中的噪音,减小噪音数据对即时缺陷预测模型的影响,将进一步提升即时缺陷预测技术的有效性和实用性。为了解决以上的问题,本文从特征学习和噪音数据处理两个角度对即时缺陷预测数据进行数据增强来提升数据集质量,主要完成了以下工作:(1)为了解决特征表示问题,本文提出了一种自动特征学习方法(AFLM),该方法基于强化学习。在训练阶段,首先训练智能体在训练集上学习有效的策略,该策略可以为每个特征找到合适的特征转换方式。接着,智能体根据优化的特征转换策略顺序优化数据集中的每个特征并基于转换后的数据建立分类模型。在测试阶段,建立的分类模型可以预测特征转换后测试实例的缺陷概率。特征转换后,不同类别的实例有较大的差异,使得分类模型更容易识别缺陷实例。(2)为了解决噪音数据处理问题,本文提出了不平衡置信学习(Confident Learning Imbalance)模型。该模型通过估计噪声标签和真实标签的联合分布发现噪声数据,接着清除噪声数据,然后基于产生的干净数据建立分类模型以提升分类性能。实验结果表明,CLI模型可以有效提升训练数据质量并提高即时缺陷预测模型的分类性能。

关键词：即时缺陷预测数据增强特征工程去噪

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

即时软件缺陷预测研究进展

软件学报 2019年第5期30卷 1288-1307页

作者：蔡亮范元瑞鄢萌夏鑫浙江大学计算机科学与技术学院浙江杭州310007 Faculty of Information Technology Monash University

软件缺陷预测一直是软件工程研究中最活跃的领域之一,研究人员己经提出了大量的缺陷预测技术,根据预测粒度不同,主要包括模块级、文件级和变更级(change-level)缺陷预测.其中,变更级缺陷预测旨在于开发者提交代码时,对其引入的代码是否... 详细信息

软件缺陷预测一直是软件工程研究中最活跃的领域之一,研究人员己经提出了大量的缺陷预测技术,根据预测粒度不同,主要包括模块级、文件级和变更级(change-level)缺陷预测.其中,变更级缺陷预测旨在于开发者提交代码时,对其引入的代码是否存在缺陷进行预测,因此又被称作即时(just-in-time)缺陷预测.近年来,即时缺陷预测技术由于其即时性、细粒度等优势,成为缺陷预测领域的研究热点,取得了一系列研究成果;同时也在数据标注、特征提取、模型评估等环节面临诸多挑战,迫切需要更先进、统一的理论指导和技术支撑.鉴于此,从即时缺陷预测技术的数据标注、特征提取和模型评估等方面对近年来即时缺陷预测研究进展进行梳理和总结.主要内容包括:(1)归类并梳理了即时缺陷预测模型构建中数据标注常用方法及其优缺点;(2)对即时缺陷预测的特征类型和计算方法进行了详细分类和总结;(3)总结并归类现有模型构建技术;(4)总结了模型评估中使用的实验验证方法与性能评估指标;(5)归纳出了即时缺陷预测技术的关键问题;(6)最后展望了即时缺陷预测的未来发展.

关键词：软件缺陷预测即时缺陷预测软件维护软件质量软件工程