软件学报

作者：刘海毅，姜瑛，赵泽江

单位：刘海毅，云南省人工智能重点实验室(昆明理工大学), 云南 昆明 650504;昆明理工大学 信息工程与自动化学院, 云南 昆明 65050411,姜瑛，云南省人工智能重点实验室(昆明理工大学), 云南 昆明 650504;昆明理工大学 信息工程与自动化学院, 云南 昆明 65050402,赵泽江，云南省人工智能重点实验室(昆明理工大学), 云南 昆明 650504;昆明理工大学 信息工程与自动化学院, 云南 昆明 65050403

关键词：APP软件缺陷;跟踪分析;版本演化;缺陷内容提取;缺陷内容验证;异构信息网络

基金：国家自然科学基金(62162038,61462049,61063006,60703116);国家重点研发计划(2018YFB1003904);云南省计算机技术应用重点实验室开放基金(2020101)

移动应用(APP)软件的版本更新速度正在加快, 对软件缺陷的有效分析, 可以帮助开发人员理解和及时修复软件缺陷. 然而, 现有研究的分析对象大多较为单一, 存在信息孤立、零散、质量差等问题, 并且没有充分考虑数据验证及版本失配问题, 分析结果存在较大误差, 导致无效的软件演化. 为了提供更有效的缺陷分析结果, 提出一种面向版本演化的APP软件缺陷跟踪分析方法(ASD-TAOVE). 首先, 从多源、异构的APP软件数据中抽取APP软件缺陷内容并挖掘缺陷事件的因果关系; 接着, 设计了一种APP软件缺陷内容验证方法, 基于信息熵结合文本特征和结构特征定量分析缺陷怀疑度, 用于缺陷内容验证并构建APP软件缺陷内容异构图; 然后, 为了考虑版本演化带来的影响, 设计了一个APP软件缺陷跟踪分析方法, 用于在版本演化中分析缺陷的演化关系, 并将其转化为缺陷/演化元路径; 最后, 通过一个基于深度学习的异构信息网络完成APP软件缺陷分析. 针对4个研究问题(RQ)的实验结果, 证实了ASD-TAOVE方法在面向版本演化过程中对缺陷内容验证与跟踪分析的有效性, 缺陷识别准确率分别提升约9.9%和5% (平均7.5%). 与同类基线方法相比, ASD-TAOVE方法可分析丰富的APP软件数据, 提供有效的缺陷信息.

来源：2024年第7期

《软件学报》期刊编辑部

查看软件学报杂志2024年第7期