龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南通大学
摘要：本发明提供了一种基于CodeBert和空间结构的代码缺陷预测方法，属于计算机技术领域。解决了缺陷预测模型中代码特征提取部分缺乏代码空间结构，使得模型获得更多的代码特征信息的问题。其技术方案为：包括以下步骤：S1：从issues中收集数据集并进行预处理操作；S2：进行关键特征提取和降维；S3：通过最短路径长度表示代码空间结构信息；S4：构建bi‑LSTMLSTM神经网络模型；S5：构建Aast输入神经网络模型；S6：得到预测结果。本发明的有益效果为：本发明从源代码中提取更加丰富的代码语义及结构特征，从而提高缺陷预测的质量和可靠性。
主权项：1.一种基于CodeBert和空间结构的代码缺陷预测方法，其特征在于，包括以下步骤：S1、挖掘GitHub中Stars数排名靠前的java项目，然后通过爬虫程序从issues中收集提交的缺陷代码段、缺陷描述及修复后的代码段，对非英文语言的缺陷描述翻译为英文，得到数据集D，设定数据集的格式为项目名，缺陷代码，修复后代码，缺陷描述；S2、使用CodeBert提取代码语义特征，并通过BERT-whitening进行关键特征提取和降维；S3、考虑数据集代码的抽象语法树信息，通过最短路径长度表示代码空间结构信息；S4、对构建的数据集随机划分成训练集、验证集和测试集，同时构建bi-LSTM及LSTM神经网络；S5、将步骤S2中提取的语义特征向量输入bi-LSTM神经网络，其最后一层输出hiddenstate信息；S6、用所述步骤S3得到的代码空间结构信息和所述步骤S5得到的hiddenstate作为输入重新进入LSTM神经网络；S7、对所述步骤S5和S7得到的hiddenstate引入Attention机制进一步获取比较重要的hiddenstate信息；S8、使用softmax回归模型对步骤S7得到的hiddenstate信息归一化，从而判断代码是否有缺陷。
全文数据：
权利要求：
百度查询： 南通大学 一种基于CodeBert和空间结构的代码缺陷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号