软件学报

作者：何鹏，卫操，吕晟凯，曾诚，李兵

单位：何鹏，湖北大学 计算机与信息工程学院, 湖北 武汉 430062;湖北省软件工程技术研究中心, 湖北 武汉 43006211,卫操，湖北大学 计算机与信息工程学院, 湖北 武汉 43006202,吕晟凯，湖北大学 计算机与信息工程学院, 湖北 武汉 43006203,曾诚，湖北大学 计算机与信息工程学院, 湖北 武汉 430062;湖北省软件工程技术研究中心, 湖北 武汉 43006204,李兵，武汉大学 计算机学院, 湖北 武汉 43007205

关键词：软件网络;图中图;图神经网络;链路预测;软件质量

基金：国家自然科学基金(62102136, 61902114, 61977021); 湖北省重点研发项目(2021BAA184, 2021BAA188); 湖北省科技创新计划(2019ACA144, 2020AEA008)

软件系统是一个复杂的人工制品, 类之间的交互关系对软件质量有着潜在影响, 如软件缺陷的级联传播效应就是一个典型. 如何准确预测软件系统中类之间合理关系, 优化设计结构是软件质量保障的一个开放问题. 从软件网络观的视角, 综合考虑软件系统中类与类之间关系(外部图), 以及每个类内部方法之间关系(内部图), 将软件系统抽象成一个图中图结构的软件网络, 并在此基础上提出一种基于图中图卷积神经网络的类交互关系预测方法. 首先对每个类内部图进行卷积得到类节点的初始特征, 再通过外部图的卷积更新类节点的表征向量, 最后通过计算类节点对的评估值进行交互预测. 根据在6个Java开源项目上的实验结果显示, 图中图结构有助于提高软件系统结构的表征能力, 且所提方法与常规网络嵌入方法相比, AUC值和AP值的平均增长率超过5.5%. 与此同时, 和两种同行方法相比, AUC值和AP值的平均增长率分别在9.36%和5.22%以上.

来源：2023年第11期

《软件学报》期刊编辑部

查看软件学报杂志2023年第11期