面向缺陷知识的多特征匹配搜索算法

doi:10.12263/DZXB.20200327

电子学报 ›› 2021, Vol. 49 ›› Issue (4): 661-664.DOI: 10.12263/DZXB.20200327

面向缺陷知识的多特征匹配搜索算法

李斌^1,2, 陈定山¹, 孙小兵^1,2,3, 薄莉莉^1,2,3

1. 扬州大学信息工程学院, 江苏扬州 225127;
2. 江苏省知识管理与智能服务工程研究中心, 江苏扬州 225127;
3. 南京大学计算机软件新技术国家重点实验室, 江苏南京 210023

收稿日期:2020-04-01 修回日期:2020-10-06 出版日期:2021-04-25
- 作者简介:
- 李斌男,1965年12月出生,江苏靖江人,扬州大学信息工程学院教授、博士,主要研究方向为智能软件工程.E-mail:lb@yzu.edu.cn;陈定山 男,1995年1月出生,江苏连云港人,扬州大学信息工程学院硕士,主要研究方向为缺陷分析.E-mail:MX120170402@yzu.edu.cn
- 基金资助:
- 国家自然科学基金 (No.61872312，No.61972335，No.62002309）; 扬州市校合作项目 (No.YZU201803）; 南京大学计算机软件新技术国家重点实验室资助项目 (No.KFKT2020B15，No.KFKT2020B16）; 扬州大学"高端人才支持计划"

Multi-Feature Matching Search Algorithm for Bug Knowledge

LI Bin^1,2, CHEN Ding-shan¹, SUN Xiao-bing^1,2,3, BO Li-li^1,2,3

1. School of Information Engineering, Yangzhou University, Yangzhou, Jiangsu 225127, China;
2. Jiangsu Engineering Research Center of Knowledge Management and Intelligent Service, Yangzhou, Jiangsu 225127, China;
3. State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, Jiangsu 210023, China

Received:2020-04-01 Revised:2020-10-06 Online:2021-04-25 Published:2021-04-25

摘要/Abstract

摘要： 缺陷数据分析正成为软件工程领域的热点，现有缺陷分析技术无法有效处理复杂和冗余的缺陷数据，以高效地辅助缺陷修复工作.本文提出一种多特征匹配搜索算法——MMSBK （Multi-feature Matching Search Algorithm for Bug Knowledge）.首先对缺陷问题进行分析，抽取其包含的缺陷实体及关系；然后，基于实体和关系匹配将缺陷问题与缺陷知识图谱关联，通过知识图谱的关联性和可视化帮助软件开发搜索缺陷知识；最后，基于匹配算法生成的缺陷关系三元组生成搜索结果子图.实验验证了MMSBK算法的有效性.

关键词: 缺陷知识图谱, 知识搜索, 缺陷实体, 缺陷关系

Abstract: Bug data analysis is becoming a hotspot in the software engineering domain.The accumulation of bug knowledge requires redefinition of a new search method to effectively process complex and redundant bug data to efficiently assist bug fixing.This paper proposes a multi-feature matching search algorithm for bug knowledge (MMSBK).First,we analyze the bug question and extract the bug entities and relations.Then,based on bug entity and relation matching,the bug question is associated with the bug knowledge graph.Finally,the search sub-graph is generated based on the bug triples generated by the matching algorithm.The experiment shows the effectiveness of MMSBK.

Key words: bug knowledge graph, knowledge search, bug entity, bug relation

中图分类号:

TP311.5

李斌, 陈定山, 孙小兵, 薄莉莉. 面向缺陷知识的多特征匹配搜索算法[J]. 电子学报, 2021, 49(4): 661-664.

LI Bin, CHEN Ding-shan, SUN Xiao-bing, BO Li-li. Multi-Feature Matching Search Algorithm for Bug Knowledge[J]. Acta Electronica Sinica, 2021, 49(4): 661-664.

参考文献

[1] GU Z,BARR E T,SCHLECK D,et al.Reusing debugging knowledge via trace-based bug search[J].ACM SIGPLAN Notices,2012,47(10):927-942.
[2] 马慧芳,刘芳,夏琴,等.基于加权超图随机游走的文献关键词提取算法[J].电子学报,2018,46(6):1410-1414. MA Hui-fang,LIU Fang,XIA Qin,et al.Keywords extraction algorithm based on weighted hypergraph random walk[J].Acta Electronica Sinica,2018,46(6):1410-1414.(in Chinese)
[3] 赵京胜,朱巧明,周国栋,等.自动关键词抽取研究综述[J].软件学报,2017,028(009):2431-2449. ZHAO J,ZHU Q,ZHOU G,et al.Review of research in automatic keyword extraction[J].Journal of Software,2017,028(009):2431-2449.(in Chinese)
[4] ZHOU C,LI B,SUN X,et al.Recognizing software bug-specific named entity in software bug repository[A].Proceedings of the 26th Conference on Program Comprehension[C].IEEE,2018.108-119.
[5] CHEN D,LI B,ZHOU C,et al.Automatically identifying bug entities and relations for bug analysis[A].2019 IEEE 1st International Workshop on Intelligent Bug Fixing (IBF)[C].IEEE,2019.39-43.
[6] ZHAO X,XING Z,KABIR M A,et al.HDSKG:Harvesting domain specific knowledge graph from content of webpages[A].IEEE International Conference on Software Analysis Evolution and Reengineering[C].IEEE,2017.56-67.
[7] YE D,XING Z,FOO C Y,et al.Software-specific named entity recognition in software engineering social content[A].IEEE International Conference on Software Analysis Evolution and Reengineering[C].IEEE,2016.90-101.
[8] WANG L,SUN X,WANG J,et al.Construct bug knowledge graph for bug resolution[A].2017 IEEE/ACM 39th International Conference on Software Engineering Companion[C].IEEE,2017.189-191.
[9] MIKOLOV T,Sutskever I,CHEN K,et al.Distributed representations of words and phrases and their compositionality[A].Advances in Neural Information Processing Systems[C].Curran Associates,Inc,2013.3111-3119.

[1]	李雪莹, 王田路, 梁鹏, 王翀. 基于系统模型的用户评论中非功能需求的自动分类[J]. 电子学报, 2022, 50(9): 2079-2089.
[2]	史先进, 曹爽, 张重生, 陶月锋, 吕灵灵, 沈夏炯. 基于锚点的字符级甲骨图像自动标注算法研究[J]. 电子学报, 2021, 49(10): 2020-2031.
[3]	王舜, 杜晔, 韩臻. 基于模块化Abstract-Refine算法框架的软件模型检测方法[J]. 电子学报, 2020, 48(5): 997-1002.
[4]	黄子杰, 陈军华, 高建华. Code Smell视角下分层Web应用失血及充血现象的量化分析[J]. 电子学报, 2020, 48(4): 772-780.
[5]	潘伟丰, 宋贝贝, 胡博, 李兵, 姜波. 基于软件网络加权k-核分析的关键类识别方法[J]. 电子学报, 2018, 46(5): 1071-1077.
[6]	赵祖威, 冯世宁, 汤恩义, 陈鑫, 李宣东, 潘敏学, 赵晨. 一种符号执行制导的循环内界分析方法[J]. 电子学报, 2017, 45(11): 2582-2592.
[7]	薛猛, 姜淑娟, 张争光, 钱俊彦, 张艳梅, 曹鹤玲. 一种基于Kalman滤波和粒子群优化的测试数据生成方法[J]. 电子学报, 2017, 45(10): 2473-2483.
[8]	朱瑞瑾, 张宝峰, 毛军捷, 骆扬, 谭毓安, 张全新. 一种基于匹配字符串地址判定ARM固件装载基址的方法[J]. 电子学报, 2017, 45(6): 1475-1482.
[9]	李勇, 黄志球, 王勇, 房丙午. 数据驱动的软件缺陷预测研究综述[J]. 电子学报, 2017, 45(4): 982-988.
[10]	田刚, 何克清, 王健, 孙承爱, 徐建建. 面向领域标签辅助的服务聚类方法[J]. 电子学报, 2015, 43(7): 1266-1274.
[11]	张龙昌, 杨艳红, 赵绪辉. 基于云模型的SaaS决策方法[J]. 电子学报, 2015, 43(5): 987-992.
[12]	李庆新, 刘淑芬, 曲明. 基于本体的Web服务行为语义建模方法[J]. 电子学报, 2015, 43(3): 601-604.
[13]	潘伟丰, 李兵, 马于涛, 姜波. 基于加权PageRank算法的关键包识别方法[J]. 电子学报, 2014, 42(11): 2174-2183.
[14]	黄贻望, 何克清, 冯在文, 黄颖. 一种目标感知的可配置业务流程分析方法[J]. 电子学报, 2014, 42(10): 2060-2068.
[15]	董玉坤, 宫云战, 金大海. 基于区域内存模型的空指针引用缺陷检测[J]. 电子学报, 2014, 42(9): 1744-1752.

面向缺陷知识的多特征匹配搜索算法

Multi-Feature Matching Search Algorithm for Bug Knowledge

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics