基于半监督学习方法的软件故障定位研究.pdfVIP

２０１５年４月 西 北 工 业 大 学 学 报 Ａｐｒ． ２０１５ 第３３卷第２期 Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３３ Ｎｏ．２ 基于半监督学习方法的软件故障定位研究 郑炜，吴潇雪，谭鑫，彭耀鹏，杨帅 （西北工业大学 软件与微电子学院，陕西 西安　 ７１００７２） 摘　 要：故障定位是软件工程中最为耗时和昂贵的活动之一，为降低软件故障定位的成本及提高故障 定位的效率，机器学习方法被广泛应用于自动化软件故障定位中。 传统的监督学习方法需要获取大 量标记样本，这在实际项目中相当困难，且费用高昂。 针对这一问题，提出采用半监督学习方法进行 软件故障定位的思想，故障定位基于语句级别，通过应用程序中可执行语句与测试用例执行之间动态 属性、以及传统软件故障定位中较有效的若干静态属性实现协同训练目的，得到训练良好的分类器， 然后用该分类器对程序其余语句进行分类，从而得到故障语句。 文章最后在Ｓｉｅｍｅｎｓ Ｓｕｉｔｅ数据集中 对算法进行验证，通过与传统监督学习算法进行对比，证明半监督学习算法在软件故障定位中的有 效性。 关　 键　 词：软件故障定位；半监督学习；协同训练算法；训练样本 中图分类号：ＴＰ３１１．５　 　 　 文献标志码：Ａ　 　 　 文章编号：１０００⁃２７５８（２０１５）０２⁃０３３２⁃０５ 　 　 软件故障定位是软件调试过程中最为耗时和合 一定研究成果。 耗资源的活动之一。 为了减轻程序员手工排查程序 １．１　 基于监督学习软件故障定位 语句的工作量，提高代码调试效率和可靠性，研究人 监督学习是学习器通过对有标记的训练样本进 员提出了一系列自动化的故障定位方法。 机器学习 行学习，建立模型用于预测未知示例样本的标记。 ［４⁃５］ 方法被广泛采用。 基于监督学习方法应用较广，且 Ｗｏｎｇ等人 先后提出基于 ＢＰ 神经网络和 可靠性高。 但是存在一个重要问题，就是大量标记 ＲＢＦ神经网络的软件故障定位模型，在这２个模型 样本的获取，因为在实际项目中大量标记样本的获 中，每个测试用例的覆盖信息（覆盖了哪些语句）和 ［１］ 相应执行结果（成功或失败）构建成一张二维表，用 取极其困难且代价高昂 。 针对标记样本获取困难这一问题，本文提出基 于训练ＢＰ／ ＲＢＦ神经网络。 然后用这种学习了测试 于半监督学习的软件故障定位方法，应用Ｚｈｏｕ等人 用例与语句之间覆盖关系的神经网络模型对虚拟测 给出的一种命名为 Ｃｏ⁃Ｔｒａｄｅ 的协同训练风范的半 试用例（每个测试用例只覆盖一条语句）进行预测， ［２］ 从而得到每条语句包含ｂｕｇ 的可能性。 监督学习算法 ，同时使用软件静态属性和动态属 ［６］ Ｂｒｉａｎｄ等 采用Ｃ４．５决策树从测试用例输入 性进行协同训练分类，从而实现软件故障定位。 本 输出中识别出导致测试失败的条件，认为相同条件 文采用的软件故障定位模型基于语句级别。 下执行失败的测试用例由相同原因导致，因此对失 败测试用例覆盖的语句进行归类和排名，从而达到 １　 基于机器学习的软件故障定位