摘要
本发明公开了一种基于大模型和多输入机制的软件缺陷预测定位方法及装置,所述方法综合利用代码度量的专家特征与代码处理模型提取的语义特征,对代码变更进行分析,并结合注意力机制与SHAP评分进行缺陷定位;首先,通过大模型API对代码变更生成更加丰富的提交信息,增强语义特征表达能力;其次,采用多输入策略,将一次代码提交拆分为多个变更块,以突破模型的输入长度限制,提高模型处理能力;最后,在缺陷定位过程中,融合SHAP评分与注意力机制,以提升代码缺陷的定位精度。本发明能够有效提高即时缺陷预测的准确性,并在缺陷定位方面表现出较高的鲁棒性与可解释性;适用于软件质量保障及自动化缺陷检测场景,为代码审核与缺陷管理提供智能化支持。
技术关键词
软件缺陷预测
定位方法
语义特征
注意力机制
自动化缺陷检测
分类预测模型
代码缺陷
计算机存储介质
深度学习模型
大语言模型
编码结构
融合策略
子系统
语义向量
处理器
自然语言
系统为您推荐了相关专利信息
雷达SAR图像
识别装置
多尺度
多频段
功率谱密度估计
动态时间规整算法
深度学习分析
监测系统
卷积神经网络模型
数据采集模块
事件定位方法
机器学习模型
分析故障
故障传播路径
源节点
智能商品推荐系统
文本特征向量
图像特征向量
融合特征
特征提取模块