公开(公告)号：CN119669035A

公开(公告)日：2025-03-21

申请号：CN202411837005.X

申请日：2024-12-13

Applicant: 重庆大学

Inventor： 雷晏 ,  项思月 ,  李哲源

IPC: G06F11/3604 ,  G06F18/241 ,  G06F18/10 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/08 ,  G06N5/045

Abstract: 本发明公开了一种基于层次感知的不稳定性测试分类检测方法，包括如下步骤：基于人工代码分析，获取若干出现不稳定性的测试代码数据；测试代码数据的预处理；构建和训练不稳定性测试分类检测模型，不稳定性测试分类检测模型包括用于提取代码语义特征预训练的UniXcoder模型、用于提取层次结构特征的结构编码器和用于分类的分类模型；使用训练好的不稳定性测试分类检测模型预测新代码数据，输出为的代码数据稳定性的预测结果，如果预测的标签为不稳定，则同时输出造成不稳定性测试的层次化根本原因。

公开(公告)号：CN111488137B

公开(公告)日：2023-04-18

申请号：CN202010267172.0

申请日：2020-04-07

Applicant: 重庆大学

Inventor： 徐玲 ,  帅鉴航 ,  鄢萌 ,  刘超 ,  雷晏 ,  徐洲 ,  何健军 ,  张文燕 ,  李灿 ,  王备

IPC: G06F8/20 ,  G06F16/903 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明涉及一种基于共同注意力表征学习的代码搜索方法，包括取每个代码特征和该代码所对应的描述；分别采用三个独立的CNN神经网络嵌入方法名、词语和描述，用LSTM网络嵌入API序列得到相应的特征矩阵；然后将方法名，API序列和词语对应的特征矩阵合并为一个矩阵作为每个代码的特征矩阵；引入经神经网络学习的参数矩阵，得到用于代码和其描述的共同注意力表征；将大量相互匹配的代码和描述作为模型输入，同步更新网络参数，得到优化的模型；代码搜索预测，将相关度排在前k个的向量c所对应的代码作为推荐列表输出。该方法在MRR方面表现优异，而且本发明模型结构简单，在模型训练上的运行速度和相应速度上都很快。

公开(公告)号：CN115826947A

公开(公告)日：2023-03-21

申请号：CN202211547271.X

申请日：2022-12-05

Applicant: 重庆大学

Inventor： 徐玲 ,  杨焱平 ,  鄢萌 ,  刘超 ,  雷晏 ,  张小洪 ,  汪卫星 ,  唐菊

IPC: G06F8/33 ,  G06F8/35 ,  G06F18/214 ,  G06F40/284

Abstract: 本发明涉及一种基于命名模式的方法名称推荐方法，该方法包括如下步骤：首先利用大规模数据集构建检索库，输入目标项目方法，通过代码的令牌级相似度，从检索库中检索出与目标项目方法最相似的方法；然后，使用搜索引擎得到上下文序列，使用最相似的方法的名称作为模式指导器，提供目标方法名称的命名模式；采用NamPat将目标方法的上下文信息与模式指导器相结合，进行方法名称推荐。本方法可以使得对未知的方法进行更准确的名称推荐。

公开(公告)号：CN113568831A

公开(公告)日：2021-10-29

申请号：CN202110852911.7

申请日：2021-07-27

Applicant: 重庆大学

Inventor： 胡安林 ,  付凌峰 ,  雷晏

IPC: G06F11/36

Abstract: 本发明公开了基于蜕变测试的自监督深度学习型缺陷定位方法，该方法首先构建蜕变关系，在给定的无测试预言的测试用例集的基础上生成出源测试用例和后续测试用例，然后收集覆盖信息和测试输出，接下来对前者进行集合求并，对后者进行蜕变关系验证，得到每个蜕变关系组内总的覆盖信息的测试结果，并整合成为覆盖矩阵与违反向量，输入给深度神经网络模型进行训练，学习模型，最后用模型完成对代码可疑值的预测，依据可疑值从大到小对缺陷程序的代码进行排序，完成缺陷定位。该方法克服了深度学习型缺陷定位的局限性，使其能被应用到测试预言缺失的情景中，以自监督的方式实现面向无标签数据集的缺陷定位，显著扩大了应用范围。

公开(公告)号：CN113139619A

公开(公告)日：2021-07-20

申请号：CN202110522961.9

申请日：2021-05-13

Applicant: 重庆大学

Inventor： 唐永川 ,  刘春燕 ,  倪爽 ,  雷晏 ,  谢欢

IPC: G06K9/62 ,  G06F17/15

Abstract: 本发明公开了一种通过分配基本信度来管理冲突数据证据的融合方法，包括一种通过基本信度函数的改进方法对BPA进行了修饰,并使用信度熵来计算信息量来获得每个证据组的权重，然后用权重再次修改BPA，最后将Dempster组合规则进行数据融合的方法。本发明可以根据信息源的信息量来分配权重，通过使用信度熵获得的最终BPA可以使数据融合结果更具逻辑性。

公开(公告)号：CN112965894A

公开(公告)日：2021-06-15

申请号：CN202110152656.5

申请日：2021-02-04

Applicant: 重庆大学

Inventor： 雷晏 ,  张卓 ,  刘春燕 ,  谢欢 ,  鄢萌 ,  徐玲 ,  徐洲

IPC: G06F11/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于上下文感知的缺陷定位方法，该方法利用程序切片技术构建一个缺陷上下文，该上下文可表示为一个用程序依赖图表示的有向图，图中节点为和失败有直接或间接关联关系的语句，边为这些语句之间的关联关系。基于该图，CAN将图中的每一个节点均采用one‑hot编码嵌入节点表示向量，并且利用GNN来获取语句之间的依赖关系，CAN在这些节点表示向量的基础上通过利用测试用例进行训练，从而可以获得更精确的节点表示向量。最后，通过将有缺陷的目标程序的缺陷上下文语句中的每一条语句均只被一个测试用例覆盖且一个测试用例也只覆盖一条缺陷上下文语句的方法，构建一个虚拟测试用例集。将这个测试用例集输入训练好的GNN中得到每个语句的可疑值。本方法以分析缺陷上下文并将其纳入可疑性评估以改善缺陷定位，经过试验分析可知本发明方法可以显着提高缺陷定位的有效性。

公开(公告)号：CN119025423A

公开(公告)日：2024-11-26

申请号：CN202411103508.4

申请日：2024-08-13

Applicant: 重庆大学

Inventor： 雷晏 ,  张圣 ,  谢欢

IPC: G06F11/36 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明涉及一种基于语义表征的偶然正确性测试检测方法，从而提高偶然正确性测试检测的准确率。包括如下步骤：基于tree‑sitter解析器解析defects4J数据集中的程序和测试套件，得到类和方法的基本元数据；基于@Test注释和“Tests”后缀文件名定位测试类；基于启发式规则来确定每个测试用例中的焦点方法，同时将方法映射到对应测试用例，从而得到测试‑焦点对；基于映射的测试‑焦点对作为输入，通过特征提取模型输出测试‑焦点对的语义特征；测试‑焦点对的语义特征作为输入对分层网络进行训练，最后使用训练后的分层网络对未知数据进行预测。

公开(公告)号：CN112465009B

公开(公告)日：2023-10-31

申请号：CN202011340593.8

申请日：2020-11-25

Applicant: 重庆大学

Inventor： 徐洲 ,  鄢萌 ,  胡予星 ,  赵焜松 ,  张小洪 ,  徐玲 ,  雷晏

IPC: G06F18/2431 ,  G06F18/214 ,  G06F11/36

Abstract: 本发明公开了一种软件崩溃故障位置定位方法，该方法基于谱聚类的算法将崩溃实例的原始特征集划分为若干个簇，基于最大信息系数方法计算每个簇中的特征和标签之间的相关性，然后每个簇只保留最大信息系数值最大的特征作为最终的特征子集的成员，最后基于简化的深度森林构建分类模型，对新的软件崩溃实例的位置进行预测，给出实例位置在堆栈迹中的概率值，从而识别出崩溃故障的位置。利用新颖的混合特征选择方法和简化的深度森林构建分类模型来识别崩溃故障的位置，可以运用至实际的软件测试场景，提高崩溃故障位置识别的效果，为提高软件的质量和加速测试效率做出贡献。

公开(公告)号：CN113836027B

公开(公告)日：2023-07-21

申请号：CN202111145441.7

申请日：2021-09-28

Applicant: 重庆大学

Inventor： 胡安林 ,  谢欢 ,  雷晏 ,  刘春燕 ,  李茂锦

IPC: G06F11/36 ,  G06F18/2135 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明涉及一种使用生成式网络进行失败测试用例生成的方法，该方法首先使用特征选择算法，对原始覆盖矩阵进行降维，从而获取原始覆盖矩阵的低维特征空间，之后建立一个条件变分自编码深度学习模型，将低维特征空间作为训练数据，使用反向传播算法进行参数更新，从而训练出一个能够生成失败测试用例的生成器。利用该生成器，生成失败测试用例，直到失败测试用例与成功测试用例数目相同。最后，将新增的失败测试用例融入原有测试用例集中并进行缺陷的定位。本发明方法使用一种改良的主成分分析算法对原始矩阵进行降维，并使用条件自编码器生成失败测试用例，从而缓解数据不平衡问题，达到提升缺陷定位效果的目的。

公开(公告)号：CN111274494B

公开(公告)日：2022-09-23

申请号：CN202010062726.3

申请日：2020-01-20

Applicant: 重庆大学

Inventor： 徐玲 ,  李灿 ,  张文燕 ,  鄢萌 ,  雷晏 ,  徐洲 ,  张小洪 ,  王成良

IPC: G06F16/9536 ,  G06F16/9538 ,  G06F16/955 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及结合深度学习和协同过滤技术的复合标签推荐方法，包括如下步骤：从目标软件信息站点收集历史软件项目，进行预处理得到规范化描述的矩阵；建立TagDC‑DL模型和TagDC‑CF模型，将所有规范化描述的矩阵作为输入，分别得到所有标签的多标签可信度列表和基于相似度的置信概率列表，利用线性加权模块得到每个标签的最终置信概率列表；给定新的软件项目，先进行预处理再输入上述两个模型，计算新的软件项目中每个标签的最终置信概率列表，通过得到的最终置信概率列表中的概率值进行排序，概率值最大的N个标签则为推荐标签。该方法利用软件项目之间的语义相似性及其自身的深层语义特征可获得更准确的标签推荐。