计算机软件工程中AI驱动的代码审查与缺陷预测技术研究

摘要

为了解决传统代码审查效率低、缺陷预测模型特征捕捉能力弱的问题，本文提出基于人工智能(AI)的代码审查与缺陷预测技术方案。首先，在分层系统架构的基础上提出代码审查Transformer图神经网络(CRT-GNN)混合模型；其次，采用Transformer与图神经网络的双通道机制，分别解析代码语义与控制逻辑；再次，利用注意力机制动态融合特征，实现缺陷预测与审查点定位；最后，集成主动学习机制，形成预测—反馈—学习的优化闭环。仿真结果表明：该方法在缺陷检测精确率、召回率及审查点定位精度上均显著优于对比模型，消融实验进一步对多模态融合与主动学习的有效性进行验证，本文研究可为智能化计算机软件质量提供重要保障。

关键词

人工智能 / 代码审查 / 缺陷预测 / Transformer / 抽象语法树