Automatically learning semantic features for defect prediction

背景

• 出处：2016 IEEE/ACM 38th IEEE International Conference on Software Engineering
• 作者：Song Wang,Taiyue Liu and Lin Tan

概述

论文主要观点

解析程序源代码中的抽象语法树（AST），利用深度置信网络（DBN）从中抽取特征，形成“语义特征”，利用这些特征进行软件缺陷检测。

成果

利用DBN从AST中抽取的语义特征在within-project和cross-project中均表现良好。

方法模型#

相关工作图

主要步骤

1. 将源码转换成AST；
2. 从AST中识别声明节点、控制流节点等，将其转换成向量；
3. 将向量中的元素映射成数字，形成数字向量；
4. 将向量送入DBN中进行特征提取（降维），产生最终的“语义特征”；
5. 如此形成带标记的训练数据，在训练数据上利用经典分类器训练。

实验

1. 为DBN选择三个参数：通过改变参数值不断实验得到最优值；
2. within-project：选择同一个项目的两个连续的版本，前一个作为训练数据，后一个作为测试数据。对比另外两个特征；
3. 对比不同的分类器，均为经典分类器，朴素贝叶斯，逻辑回归等；
4. cross-project：两个不同的项目，第一个用来训练，第二个用来测试。对比ACT+算法（使用经典特征）；
5. 测试算法的时间空间复杂度。

创新点

所谓的“语义特征”，用DBN处理AST，对raw数据进行了压缩提纯。

总结

优点

“语义特征”的效果似乎非常好。

不足

对比的TCA+是作者自己实现的，其效果不一定有原始的好，数据来源不太可靠。

我的想法

可否在分类器上再做些更好的选择？