基于注意力和代价敏感的软件缺陷预测方法

来源：计算机测量与控制杂志2024年第9期北京时间：

作者：毛敬恩,周世健,章树卿,樊鑫

单位：南昌航空大学 软件学院

摘要：软件缺陷预测的目的是预先识别容易出现缺陷的代码模块以帮助软件质量保障团队适当的分配资源和人力；当前基于稳定学习的软件缺陷预测方法在特征提取过程中缺乏代码图像的全局信息，并忽视了不平衡数据对模型性能的影响；为了解决上述问题，论文提出了一种基于注意力和代价敏感的软件缺陷预测方法；该方法在SDP-SL的神经网络中增加了全局注意力模块，重点关注图像中和缺陷代码相关的特征，并将分类器的损失函数改进为代价敏感的损失函数，降低类不平衡对模型性能的影响；为了评估SDP-SLAC的性能，在PROMISE数据库中的10个开源Java项目上进行了多组比较实验；实验结果表明，SDP-SLAC方法可以有效提升缺陷预测模型的性能。

关键词：软件缺陷预测;全局注意力;代价敏感;类不平衡;损失函数