43、基于Doc2Vec的源代码嵌入的Bug预测及软件缺陷严重程度等级预测

基于Doc2Vec的源代码嵌入的Bug预测及软件缺陷严重程度等级预测

基于Doc2Vec的源代码嵌入的Bug预测

在软件开发中，准确预测代码中的Bug至关重要。为了方便大家复现和对比结果，相关文件可在链接 http://doi.org/10.5281/zenodo.4724941 直接获取。下面将详细介绍实验结果，通过回答三个研究问题，来深入了解基于Doc2Vec的源代码嵌入在Bug预测中的应用。

RQ1：是否存在一种Doc2Vec参数化方法，能产生比基于代码指标学习更好或相似的结果？

我们首先探究是否存在一种Doc2Vec参数化方法，用于Bug预测时能生成与使用代码指标同样有表现力的特征。由于代码指标源自源代码，所以合理的抽象语法树（AST）表示有望取得相当的效果。为找到这样的表示，我们尝试了多种Doc2Vec模型参数化方法和众多机器学习模型。

在异常检测领域，由于数据集高度不平衡，仅用准确率来衡量模型性能是不够的。更好的性能指标是召回率（找到的相关类别的比例）和精确率（找到的实例中相关的比例）。通常这两者之间存在权衡关系，例如有些模型精确率高达0.58，但召回率约为0.34；而有些模型召回率为0.7，但精确率仅为0.3。为综合考虑精确率和召回率，我们使用F分数，它是召回率和精确率的调和平均值，取值范围在0到1之间，能很好地反映模型在不平衡环境中的预测能力。

以下是基于源代码嵌入和指标学习的F分数比较：
| 模型名称 | 嵌入 | 代码指标 | 参数（向量大小，窗口大小，算法） |
| — | — | — | — |
| Bayes | 0.414 | 0.325 | 75, 4, PV - DBOW |