基于动态路径自适应图卷积网络的软件缺陷预测方法

本申请提供了一种基于动态路径自适应图卷积网络的软件缺陷预测方法，所述方法包括：构建软件模块的图结构数据，将图结构数据输入到图卷积网络中学习模块间依赖关系，通过动态路径加权卷积层对多跳路径进行自适应权重分配，并基于路径长度衰减系数抑制长路径噪声干扰；基于多头注意力机制实时优化邻接矩阵，增强关键依赖边并剪枝冗余连接；将动态路径评分与自适应图更新算法嵌入分类目标函数中，结合平衡策略更新训练权重，通过优化后的模型输出缺陷预测结果。本申请能够有效解决传统图卷积网络在静态图假设下依赖建模不足、噪声累积及类不平衡场景中的性能退化问题。