基于遷移學(xué)習(xí)的軟件缺陷預(yù)測技術(shù)研究

蔣蘭華

(煙臺汽車工程職業(yè)學(xué)院 招生就業(yè)處，煙臺 265500)

0 引言

軟件復(fù)雜度隨著實(shí)際需求的不斷提高而隨之增大，進(jìn)而增加了軟件中隱藏缺陷的概率，易對應(yīng)用該軟件的生產(chǎn)、生活帶來不利的影響，因而對軟件質(zhì)量的重視程度逐漸提高，將軟件缺陷問題前置，若軟件中存在的缺陷在軟件開發(fā)過程中能夠被發(fā)現(xiàn)并加以修復(fù)，就能夠?qū)τ邢薜臏y試資源進(jìn)行合理有效的分配，通過對源代碼文件進(jìn)行挖掘和文檔的開發(fā)是常用的軟件缺陷預(yù)測手段，對新軟件模塊的預(yù)測過程需通過缺陷預(yù)測模型的構(gòu)建實(shí)現(xiàn)，對足夠多的歷史訓(xùn)練數(shù)據(jù)缺乏合理有效的利用。

1 軟件缺陷預(yù)測技術(shù)分析

作為軟件工程領(lǐng)域最為活躍的一種技術(shù)，軟件缺陷預(yù)測技術(shù)(包括靜態(tài)的和動態(tài)的兩種缺陷預(yù)測技術(shù))在軟件開發(fā)過程中通過對軟件進(jìn)行自動的度量、統(tǒng)計及分析從而實(shí)現(xiàn)預(yù)測潛在軟件缺陷的功能，有助于對軟件質(zhì)量進(jìn)行分析，同時對軟件成本進(jìn)行平衡，該領(lǐng)域的研究重點(diǎn)在于對軟件代碼進(jìn)行靜態(tài)度量分析，近年來在軟件缺陷預(yù)測方法中逐漸融合了統(tǒng)計方法和機(jī)器學(xué)習(xí)技術(shù)，具有代表性的有線性判別分析、布爾判別函數(shù)、聚類分析等，這些方法過于重視靜態(tài)代碼缺少對動態(tài)代碼的關(guān)注。Kim等提出的故障預(yù)測技術(shù)以代碼歷史改變?yōu)橐罁?jù)，進(jìn)行訓(xùn)練時將其作為分類器的輸入，使有限的代碼資源得以充分利用從而顯著提升了預(yù)測性能[1]。

但是分類或回歸技術(shù)的缺陷在于：對于新的項(xiàng)目由于擁有的訓(xùn)練樣本較少，在對其進(jìn)行缺陷預(yù)測時，訓(xùn)練準(zhǔn)確模型的難度較大；另外一個項(xiàng)目的各子項(xiàng)目通常具有較大的相似性，訓(xùn)練的缺陷預(yù)測模型難以在進(jìn)行其他相似項(xiàng)目預(yù)測時直接使用，例如對于項(xiàng)目的缺陷分類器已完成了大量C#編寫的訓(xùn)練，通常在面臨新的java項(xiàng)目時，需在當(dāng)前項(xiàng)目下通過有限的樣本標(biāo)記的利用完成對分類器的重新訓(xùn)練，缺少對不同項(xiàng)目間的相關(guān)性的重視程度，由于項(xiàng)目內(nèi)部具有相同的程序設(shè)計及算法機(jī)理(只有語言不同)，兩者間的相關(guān)性較強(qiáng)，若在此基礎(chǔ)上進(jìn)行遷移訓(xùn)練能夠使模型訓(xùn)練所需的樣本數(shù)得以顯著降低，進(jìn)而使預(yù)測精度進(jìn)一步提高。

2 基于遷移學(xué)習(xí)的預(yù)測方法

開發(fā)軟件過程中為提高軟件質(zhì)量及可靠性，軟件測試是不可或缺的階段，為發(fā)現(xiàn)和修復(fù)缺陷，對規(guī)模和復(fù)雜度不斷提高的軟件進(jìn)行全面的測試時所需成本較高，通過使用軟件缺陷預(yù)測技術(shù)能夠?qū)撛诘能浖毕菽K進(jìn)行提前定位，協(xié)助相關(guān)人員對有限的測試資源進(jìn)行合理分配，降低成本，從而提高軟件質(zhì)量。

2.1 問題定義

假設(shè)源項(xiàng)目的邊緣特征分布由P(Xs)表示簡寫為P，目標(biāo)項(xiàng)目的邊緣特征分布由Q(XT)表示簡寫為Q，P、Q在不同風(fēng)格的項(xiàng)目中表現(xiàn)也不同，但在項(xiàng)目具有較高相似性的算法流程和程序設(shè)計方式時P、Q兩者間同樣會具有較大的相似性，本文用距離對其進(jìn)行表述[2]，P和Q的距離表達(dá)式如式(1)。

(1)

全局的核希爾伯特空間由H表示，需找到一種映射(由φ表示)，以使數(shù)據(jù)分布差別在φ(Xs)和φ(XT)間最小，為達(dá)到更大的預(yù)測精度，分類模型(由f表示)可以在φ(Xs)和Ys上訓(xùn)練，同時對φ(XT)進(jìn)行預(yù)測[3]。表示如式(2)。

minDist(φ(Xs),φ(XT))+λR(φ)

s.t.constraintsonφ(Xs) andφ(XT)

(2)

2.2 方法原理

在對上述數(shù)據(jù)分布距離度量及優(yōu)化問題定義進(jìn)行分析的基礎(chǔ)上，能夠獲取一個優(yōu)化問題的具體描述：在核希波爾特空間里，φ(x)：X→H，函數(shù)f的表達(dá)式如式(3)。

f(x)=<φ(x),f>

(3)

在此基礎(chǔ)上映射后的數(shù)據(jù)分布間的距離表達(dá)式如式(4)。

(4)

接下來為使映射后的數(shù)據(jù)分布間的距離最小化，需找到一個通用核函數(shù)的特征映射(由k表示)，源數(shù)據(jù)Xs經(jīng)通用核函數(shù)k定義后由Ks表示得到的混合核矩陣，源數(shù)據(jù)XT經(jīng)通用核函數(shù)k定義后由KT表示得到的混合核矩陣[4]，則(4)式可重新定義如式(5)—式(7)。

(5)

(6)

(7)

(8)

2.3 缺陷預(yù)測流程

將遷移學(xué)習(xí)方法應(yīng)用到軟件工程數(shù)據(jù)中完成缺陷預(yù)測時，具體的軟件缺陷處理流程如圖1所示。

圖1 缺陷預(yù)測流程

在軟件代碼實(shí)例中預(yù)測對象表示一個待預(yù)測單元，預(yù)測對象通常可選取文件、方法或一個模塊表示，由于單個文件在多種語言編寫程序種獲取方便且利于統(tǒng)計，因此本文實(shí)際的預(yù)測對象選取了單個文件，接下來針對軟件代碼庫的數(shù)據(jù)需對其進(jìn)行包括提取特征、維度約減、數(shù)據(jù)歸一化等在內(nèi)的預(yù)處理，本文在進(jìn)行實(shí)驗(yàn)時采用標(biāo)了準(zhǔn)數(shù)據(jù)集，并采用最大最小值歸一化表示式(9)。

(9)

為使兩者距離最小，將源代碼和模板代碼按照上文方法完成在新的空間的統(tǒng)一映射，以歸一化后的數(shù)據(jù)為輸入完成半正定規(guī)劃問題的求解，進(jìn)而獲取降維處理后的數(shù)據(jù)表示，此過程即為模型遷移；完成模型遷移后，進(jìn)行模型訓(xùn)練時利用所獲取的源代碼庫和目標(biāo)代碼庫的數(shù)據(jù)，本文的分類器采用logistic回歸模型，該回歸模型在軟件工程領(lǐng)域應(yīng)用廣泛易于獲取且簡單分類效果實(shí)現(xiàn)較好；完成訓(xùn)練完模型后，用模型遷移的方法將新的實(shí)例數(shù)據(jù)完成到相同空間的映射，再通過分類器的使用完成預(yù)測結(jié)果的獲取[5]。缺陷預(yù)測算法歸納如下：

輸出：項(xiàng)目數(shù)據(jù)集的標(biāo)記集合YT；

3 軟件缺陷預(yù)測技術(shù)檢測與分析

為了驗(yàn)證基于遷移學(xué)習(xí)的軟件缺陷預(yù)測算法的有效性，選取兩種基準(zhǔn)算法進(jìn)行比較：單項(xiàng)目缺陷預(yù)測(singlepred)：行訓(xùn)練和預(yù)測對象只針對新的項(xiàng)目，完成某個項(xiàng)目數(shù)據(jù)的選取，用于訓(xùn)練的數(shù)據(jù)和用來測試的數(shù)據(jù)各一半，重復(fù)15次實(shí)驗(yàn)后取平均值；多項(xiàng)目無遷移缺陷預(yù)測(MultiNonTransPred)：對已有的項(xiàng)目訓(xùn)練分類器進(jìn)行充分利用，將其用于新的項(xiàng)目的缺陷預(yù)測中[6]；本文多項(xiàng)目遷移缺陷預(yù)測方法(MultiTransPred)：在新的空間上完成源項(xiàng)目和目標(biāo)項(xiàng)目的數(shù)據(jù)映射，目標(biāo)項(xiàng)目數(shù)據(jù)的預(yù)測則在新空間上完成。本文的測試數(shù)據(jù)集為在AEEEM(共包括項(xiàng)目5個、度量值26種)數(shù)據(jù)集中選取了3個項(xiàng)目，進(jìn)行遷移訓(xùn)練時從中選取3個項(xiàng)目，具體項(xiàng)目及其描述如表1所示。

表1 選取的項(xiàng)目介紹

部分屬性度量如表2所示。

表2 部分屬性度量信息

檢測過程中缺陷預(yù)測的分類器選擇常用的Logistic回歸模型，對3種方法分別進(jìn)行訓(xùn)練，在3個不同項(xiàng)目下對3種方法的分類性能(F—1值)進(jìn)行對比，預(yù)測性能對比結(jié)果如表3所示。

表3 不同算法的分類性能

檢測結(jié)果表明：采用原有的模型對新項(xiàng)目進(jìn)行預(yù)測的多項(xiàng)目無遷移缺陷預(yù)測方法的訓(xùn)練效果表現(xiàn)不佳，單項(xiàng)目缺陷預(yù)測方法受到有限的訓(xùn)練樣本的限制，其訓(xùn)練效果相對好些，本文方法的分類效果顯著提升，相比另外兩種方法分類效果始終保持在最佳狀態(tài)，證明基于遷移學(xué)習(xí)的軟件缺陷預(yù)測方法的實(shí)用性較高，尤其適用于對新項(xiàng)目進(jìn)行預(yù)測，能夠使軟件缺陷預(yù)測效果得以有效提升。

4 總結(jié)

本文主要研究了軟件缺陷預(yù)測技術(shù)，為提高傳統(tǒng)預(yù)測方法對小規(guī)模訓(xùn)練數(shù)據(jù)的利用效率，提出了一種預(yù)測技術(shù)以遷移學(xué)習(xí)為依據(jù)，利用降維遷移學(xué)習(xí)的思想，預(yù)測新項(xiàng)目時可對已有的項(xiàng)目進(jìn)行充分利用，針對源項(xiàng)目和目標(biāo)項(xiàng)目具體通過間二者間公共特征空間的搜索，使數(shù)據(jù)分布距離在兩個項(xiàng)目間最小，模型訓(xùn)練在此公共空間完成從而實(shí)現(xiàn)遷移分類的效果，檢測結(jié)果表明該方法在實(shí)際軟件缺陷預(yù)測任務(wù)中，對軟件缺陷的預(yù)測性能更好，提高了原始訓(xùn)練數(shù)據(jù)的利用效率，具備較高的實(shí)用性。