基于时序特征的即时缺陷预测研究

摘要

即时缺陷预测是持续集成代码提交时进行代码缺陷预测，从而节省测试代码资源消耗以及减少测试时间，提升集成构建速度.然而现有的即时缺陷预测方法，只采用传统人工特征、代码结构和语义信息，忽略了在集成历史中产生的时序信息.受到时序模型相关研究启发，可从集成历史版本信息提取时序特征，用于缺陷预测.因此，提出基于时序特征的即时缺陷预测模型(TSF-JIT),首先从项目数据的集成版本历史中，提取历史轨迹信息并分段处理；接着，基于分段轨迹使用双向门控循环单元以及多头自注意力机制提取序列中的时序特征；最后，将时序特征卷积降维并构建缺陷预测模型，预测提交代码是否包含缺陷.与当前具有代表性的2个基线方法在6个项目数据进行比较，在精确率、召回率、F1值和AUC结果平均值上，模型比基线方法高出4.74%～7.21%、8.05%～8.74%、5.56%～8.31%、2.92%～4.79%.实验结果说明，提出的方法能够有效提高缺陷预测的精确率，从而降低开发中测试资源和时间消耗.

关键词

即时缺陷预测 / 时序特征 / 双向门控循环单元 / 自注意力机制