基于代价敏感间隔分布优化的软件缺陷定位

在大型软件项目的开发与维护中，从大量的代码文件中定位软件缺陷费时、费力，有效地进行软件缺陷自动定位，将能极大地降低开发成本.软件缺陷报告通常包含了大量未发觉的软件缺陷的信息，精确地寻找与缺陷报告相关联的代码文件，对于降低维护成本具有重要意义.目前，已有一些基于深度神经网络的缺陷定位技术相对于传统方法，其效果有所提升，但相关工作大多关注网络结构的设计，缺乏对训练过程中损失函数的研究，而损失函数对于预测任务的性能会有极大的影响.在此背景下，提出了代价敏感的间隔分布优化（cost-sensitive margin distribution optimization，简称CSMDO）损失函数，并将代价敏感的间隔分布优化层应用到深度卷积神经网络中，能够良好地处理软件缺陷数据的不平衡性，进一步提高缺陷定位的准确度