一种事前可解释的即时软件缺陷预测方法.pdfVIP

第４２卷第４期计算机应用与软件Ｖｏｌ４２Ｎｏ．４

２０２５年４月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＡｐｒ．２０２５

一种事前可解释的即时软件缺陷预测方法

林杨王炜

（云南大学软件学院云南昆明６５０５０４）

摘要为解决即时软件缺陷预测结果难以解释的问题，基于多项式神经网络的改进模型，提出一种事前可解

释的即时软件缺陷预测方法，通过将代码度量元与预测结果之间的因果关系形式化输出为ＫＧ多项式的复合函

数，使用标准化回归系数来衡量复合函数中度量元的重要性，分析影响缺陷产生的原因。实验结果表明在平均预

测准确率达到０．７９７的前提下，该方法还具有较好的可解释性。

关键词多项式神经网络即时软件缺陷预测事前可解释性形式化

中图分类号ＴＰ３１１文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２５．０４．００３

ＡＮＡＮＴＥＨＯＣＩＮＴＥＲＰＲＥＴＡＢＬＥＭＥＴＨＯＤＦＯＲ

ＪＵＳＴＩＮＴＩＭＥＳＯＦＴＷＡＲＥＤＥＦＥＣＴＰＲＥＤＩＣＴＩＯＮ



ＬｉｎＹａｎｇＷａｎｇＷｅｉ

（ＳｃｈｏｏｌｏｆＳｏｆｔｗａｒｅ，ＹｕｎｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ６５０５０４，Ｙｕｎｎａｎ，Ｃｈｉｎａ）

ＡｂｓｔｒａｃｔＩｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｉｔｉｓｄｉｆｆｉｃｕｌｔｔｏｅｘｐｌａｉｎｔｈｅｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｊｕｓｔｉｎｔｉｍｅｓｏｆｔｗａｒｅ

ｄｅｆｅｃｔｓ，ｂａｓｅｄｏｎｔｈｅｉｍｐｒｏｖｅｄｍｏｄｅｌｏｆｐｏｌｙｎｏｍｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ，ａｎａｎｔｅｈｏｃｉｎｔｅｒｐｒｅｔａｂｌｅｊｕｓｔｉｎｔｉｍｅｓｏｆｔｗａｒｅ

ｄｅｆｅｃｔｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄ．Ｔｈｉｓｍｅｔｈｏｄｆｏｒｍａｌｉｚｅｄｔｈｅｃａｕｓａｌｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｃｏｄｅｍｅｔｒｉｃｅｌｅｍｅｎｔｓａｎｄ

ｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓ，ａｎｄｏｕｔｐｕｔｔｅｄｉｔａｓａＫＧｐｏｌｙｎｏｍｉａｌｆｕｎｃｔｉｏｎ．Ｔｈｅｓｔａｎｄａｒｄｉｚｅｄｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｗａｓｕｓｅｄｔｏ

ｍｅａｓｕｒｅｔｈｅｉｍｐｏｒｔａｎｃｅｏｆｍｅｔｒｉｃｅｌｅｍｅｎｔｓｔｏａｎａｌｙｚｅｔｈｅｃａｕｓｅｓｏｆｔｈｅｄｅｆｅｃｔｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｏｎｔｈｅ

ｐｒｅｍｉｓｅｔｈａｔｔｈｅａｖｅｒａｇｅｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｒｅａｃｈｅｓ０．７９７，ｉｔｈａｓｇｏｏｄｉｎｔｅｒｐｒｅｔａｂｉｌｉｔｙａｔｔｈｅｓａｍｅｔｉｍｅ．

ＫｅｙｗｏｒｄｓＰｏｌｙｎｏｍｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓＪｕｓｔｉｎｔｉｍｅｓｏｆｔｗａｒｅｄｅｆｅｃｔｐｒｅｄｉｃｔｉｏｎＡｎｔｅｈｏｃｉｎｔｅｒｐｒｅｔａｂｉｌｉｔｙＦｏｒｍａｌｉｚａｔｉｏｎ

［２］

前研究的热点。

０引言深度学习的可解释性已经成为一个重要的研究方

向，模型的可解释性是指模型的决策过程能被人们所

即时缺陷预测是在每次提交代码变更（ｃｏｄｅｃｈａｎｇｅ）理解。而缺陷预测结果的可解释性可以反映缺陷的生

［１］

时对是否存在缺陷进行预测的技术。即时软件缺陷成过程，对于快速修复缺陷、提高软件质量、节省维护

预测特点主要体现在两个方面：１）即时性，在代码变