软件学报

作者：周纯英，曾诚，何鹏，张龑

单位：周纯英，湖北大学 计算机与信息工程学院, 湖北 武汉 43006211,曾诚，湖北大学 计算机与信息工程学院, 湖北 武汉 430062;湖北省教育信息化工程技术研究中心, 湖北 武汉 43006202,何鹏，湖北大学 计算机与信息工程学院, 湖北 武汉 430062;湖北大学 网络空间安全学院, 湖北 武汉 430062;湖北省教育信息化工程技术研究中心, 湖北 武汉 43006203,张龑，湖北大学 计算机与信息工程学院, 湖北 武汉 430062;湖北省教育信息化工程技术研究中心, 湖北 武汉 43006204

关键词：关键类识别;软件网络;图神经网络;软件度量

基金：国家自然科学基金（62102136）；湖北省重点研发计划（2021BAA184，2021BAA188，2022BAA044）；湖北省技术创新专项（2020AEA008）

研究人员将软件系统中的关键类作为理解和维护一个系统的起点，而关键类上的缺陷给系统带来了极大的安全隐患.因此，识别关键类可提高软件的可靠性和稳定性.常用的识别方法是将软件系统抽象为一个类依赖网络，再根据定义好的度量指标和计算规则计算每个节点的重要性得分，如此基于非训练框架得到的关键类，并没有充分利用软件网络的结构信息.针对这一问题，基于图神经网络技术提出了一种有监督的关键类识别方法.首先，将软件系统抽象为类粒度的软件网络，并利用网络嵌入学习方法Node2Vec得到类节点的表征向量，再通过一个全连接层将节点的表征向量转换为具体分值；然后，利用改进的图神经网络模型，综合考虑类节点之间的依赖方向和权重，进行节点分值的聚合操作；最后，模型输出每个类节点的最终得分并进行降序排列，从而实现关键类的识别.在8个Java开源软件系统上，通过与基准方法的实验对比，验证了该方法的有效性.实验结果表明：在前10个候选关键类中，所提方法比最先进的方法提升了6.4%的召回率和3.5%的精确率.

来源：2023年第6期

《软件学报》期刊编辑部

查看软件学报杂志2023年第6期