半监督软件缺陷挖掘研究综述.pdfVIP

ISSN 1004-9037，CODEN SCYCE4 http：／／sjcj．nuaa．edu．cn JournalofDataAcquisitionandProcessingVo1．31，No．1，Jan．2016，PP．56—64 E—mail：sjci@nuaa．edu．CR DOI：10．16337／j．1004—9037．2016．01．005 Tel／Fax：+86～025 @ 2016byJournalofDataAcquisitionandProcessing 半监督软件缺陷挖掘研究综述 黎 铭 霍 轩 (南京大学计算机软件新技术国家重点实验室，南京，210023) 摘 要：软件质量是计算机系统安全可靠运行的保障，而软件缺陷是导致软件质量低下的重要诱因。软 件缺陷挖掘技术凭借其能够通过对软件代码及其相关数据进行分析建模，发现软件系统潜在的缺陷，已 得到 了软件质量保障领域的广泛关注。要准确发现软件模块 中潜在的缺 陷，需要利用大量带有缺 陷情况 标注的模块进行学习。然而，缺陷情况标注往往需要通过详细测试或人工代码检查获取 ，要消耗大量测 试和人工资源，在实际应用中难以满足，这严重制约 了软件缺 陷挖掘的性能。针对这一 问题 ，半监督学习 技术被 引入软件缺 陷挖掘 ，通过对大量缺少标注的模块进行利用，辅助提升软件缺 陷挖掘 的性能。本文 对半监督缺 陷挖掘技术的研 究现状进行综述 。首先综述 了软件缺 陷挖掘研 究现状，然后简要介绍 了半监 督学习的4种学习范式；最后系统梳理了基于半监督学习进行软件缺陷挖掘的多种方法与技术。 关键词：软件挖掘；机器学习；半监督学习；软件缺陷挖掘 中图分类号 ：TP181；TP3l1．5 文献标志码 ：A SoftwareDefectM iningBasedonSem i—supervisedLearning LiM ing，H uo Xuan (NationalKeyLaboratoryforNovelSoftwareTechnology，NanjingUniversity，Naniing，210023，China) Abstract：Softwarequalityensuresthereliablerunningofthesoftwaresystem ，andsoftwaredefectsre— ducethequalityofthesoftwaresystem．Softwaredefectscanbeidentifiedeffectivelybyminingthecodes aswellasotherrelateddata，SOthesoftwaredefectminingtechnologyhasdrawnsignificantattentionin softwarequalityassurance．Toeffectivelyidentifypotentia1softwaredefectsfrom thesoftwaremodules， a1argenumberofmoduleslabeledasdefectiveornon—defectiveinformationneedtobecollectedformode1 construction．However，thelabelsofmodulesareusuallyobtainedbyextensivetestingormanualcode inspection，whichconsumesahugeamountofmanpowerandtime．Inpractice，onlyasmallnumberof labe1scanbecollected，whichseriouslyconstrainstheperformanceofdefectidentification．Tosolvethis problem ，thesemi—supervisedlearning isintroduced intosoftwaredefectmining，thusthemining per— formanceisimprovedbyexploitingthelargenumberofunlabeledmodules．Here，theadvancesandthe research statusofsemi—supervisedsoftwaredefectmining