基于迁移图神经网络的跨项目软件缺陷预测方法

本发明公开了基于迁移图神经网络的跨项目软件缺陷预测方法，涉及软件缺陷预测技术领域；本发明包括：S1、源代码解析和向量映射：通过Javalang对Java项目源码进行解析，得到抽象语法树，然后构建AST的结构信息，并将AST的节点转化为数字向量；S2、神经网络模型构建与特征提取：将数字向量以及AST的图结构输入到图神经网络模型中，并引入迁移学习算法来提取不同项目间可迁移的语义特征；S3、构造联合特征：将通过加权特征选择(WBAD)提取的可迁移传统度量元特征与网络模型提取的语义特征相结合，形成用于跨项目缺陷预测(CPDP)的联合特征；S4、构造缺陷预测模型：使用Java文件对应的联合特征和相应标签来训练LR分类器。然后，使用训练好的模型来预测目标项目的Java文件是否存在缺陷。本发明结合迁移学习和深度学习方法来进行跨项目缺陷预测，通过使用神经网络模型来提取语义特征，然后使用迁移学习方法匹配项目间相似度高的特征，并与传统度量元特征进行联合，提高了模型在跨项目缺陷预测方面的性能。