智能化软件新技术研究公开征文,入选

菏泽炫佑科技

智能化软件新技术研究公开征文,入选

智能软件新技术是利用人工智能和机器学习技术辅助软件工程的新兴技术。 近年来，以深度学习为代表的人工智能技术迅速发展，开始在计算机科学的各个领域发挥重要作用。 随着软件工程领域非常重视数据积累，人工智能技术在软件开发过程中的应用也逐渐增多。 利用人工智能技术辅助软件工程中的代码编写、纠错、测试等特定任务，可以节省大量的体力劳动，提高软件性能。 开发效率。 将人工智能技术更好地与软件工程的各个方面结合起来，进一步提高软件开发过程的自动化和智能化，是智能软件新技术研究的主要着眼点。

本期特刊正在征文，共投稿论文37篇，其中通过正式评审的论文32篇，内容涉及智能软件新技术的各个方面。 邀请专家2名进行评审。 稿件经历了初审、审稿、全国软件与应用学术会议（NASAC 2018）审稿和终审4个阶段，历时5个月。 26篇论文通过评审并在NASAC 2018会议上报告并接受*终，24篇论文通过*终评审并入选本期特刊。 本期特刊主要包括以下四个主题。

1、自动编程及纠错

本课题共有5篇论文。 《基于深度学习的程序生成与补全技术研究进展》对基于深度学习的自动编程的两种主要实现方法，即程序生成和代码补全进行了广泛的研究和研究。 回顾揭示了该领域当前面临的困难和挑战，并提出了未来的几个研究方向。 对该领域研究现状的分析和总结，将有助于其他研究者在现有研究的基础上进行改进和创新。 《微分抽象机混合编程系统》提出了一种混合编程模型，可以将高级编程语言和神经网络组件无缝结合起来。 该模型可以同时使用过程式高级编程语言元素和神经网络组件元素来混合开发应用程序，充分发挥和融合两种编程方法各自的优势。 《C/C++程序缺陷自动修复与确认方法》针对C/C++程序的自动修复提出了一种基于机器学习和程序合成的解决方案，结合深度学习技术生成修复选项，并相应实现了原型工具。 《实例进化驱动的学生程序自动修复》针对学生程序设计的应用背景，研究程序自动修复的方法，利用模板样本程序引导补丁的进化，基于自动修复的详细修复该方案是为错误分离和程序突变而设计的。 《基于频繁模式挖掘的GCC编译时能耗演化优化算法》设计了一种基于频繁模式挖掘的遗传算法GA-FP。 该算法利用频繁模式挖掘获得一组频率高、能耗改善较大的编译选项，并以此作为启发信息设计“加”和“删”两个变异算子，帮助提高解的质量和速度收敛速度。

2 缺陷预测和报告

本课题共有9篇论文。 《实时软件缺陷预测研究进展》从实时缺陷预测技术的数据标注、特征提取、模型评估等方面总结了实时缺陷预测的研究进展，并对实时缺陷预测的未来发展进行了展望。 -时间缺陷预测。 进步是非常有帮助的。 《基于特征迁移和实例迁移的跨项目缺陷预测方法》在跨项目软件缺陷预测研究领域提出了一种两阶段的跨项目缺陷预测方法，该方法同时考虑了特征迁移和实例迁移，减少了预测次数。两个项目的数据分布差异可以提高缺陷预测的准确性。 《C程序内存泄漏智能检测方法》提出了一种内存泄漏的智能检测方法，通过利用机器学习算法学习程序特征与内存泄漏之间的相关性，构建机器学习分类器，并应用机器学习分类器进一步提高检测的准确率。内存泄漏静态分析。 《基于深度学习的API误用缺陷检测》将深度学习中的循环神经网络模型应用于API使用规范的学习和API误用缺陷的检测，在一定程度上可以实现API误用缺陷的自动发现。 开发人员节省了开发和维护的时间。 《一种基于深度学习的神级检测方法》提出了一种基于特征类属性和相关自然语言信息的神级检测方法，并采用神经网络作为主要检测技术，其效果比现有的神级检测方法要好——像Class检测方法，尤其是召回率有了很大的提高。

《一种基于维修日志的飞机设备故障原因识别方法》提出了一种基于卷积神经网络从非结构化文本中提取文本特征并建立词向量的方法，并利用随机森林算法对长期积累的飞机故障建立故障日志数据。 原因分类器可以帮助维护人员尽快确定故障原因。 《基于成本极限学习机的软件缺陷报告分类方法》针对软件开发中的Bug分类问题，提出了一种基于成本ELM的方法。 该概念引入了ELM模型的损失函数，重点解决报表分类中数据不平衡、数据量不足的问题。 “基于嵌入式模型的混合相关缺陷关联方法”针对自动相关缺陷报告问题，提出了一种基于嵌入式模型的方法，将自动相关缺陷关联问题抽象为推荐问题，结合传统的信息检索技术和深度学习中的嵌入模型智能化软件新技术研究公开征文,入选，结合了词频相似度、词相似度和文档相似度，有效提升了传统方法的性能。 《不良代码气味对软件演化影响的实证研究》致力于探讨不良代码气味的影响以及不良代码气味与软件演化之间的关系。 坏气味与三类特定源文件操作之间的关联：添加文件、修改文件和删除文件。

三、软件测试

本课题包括3篇论文。 《持续集成测试优化的强化学习奖励机制》针对持续集成测试优化问题，提出了一种奖励函数包含测试用例历史执行信息的强化学习方法。 故障信息的奖励函数可以显着提高错误检测能力。 《敏感变量与感知器相结合的测试预测生成方法》提出了一种在测试用例集已知部分的情况下，基于敏感变量和线性感知器自动生成新测试用例的测试预言机的方法，为测试场景提供了解决方案缺乏神谕。 “基于SOM神经网络的二阶变异约简方法”针对二阶变异测试领域，在软件测试中具有重要意义。 详细分析了影响条件下二阶等效变量的可能影响因素，并基于这些因素提出了基于SOM神经网络的二阶等效变量减少方法。

四、代码、数据和用户管理

本课题共收录论文7篇。 《基于图嵌入的软件项目源代码检索方法》将软件项目代码中的元素以图的形式组织起来，形成包括继承、实现、隶属度等的软件代码图，然后采用图嵌入来计算节点之间的相关性以支持查询中子图的生成和推荐。 《企业级海量代码检索与管理技术》设计并实现了一个用于管理和搜索大规模代码库的工具平台，通过爬取大量代码，设计基于工具的代码搜索引擎，并进一步研究了诸如查询变换、搜索策略、结果排序和摘要生成来提高代码搜索结果，在大型软件公司具有重要的应用价值《一种基于关系模型到基于迭代的本体模型的模式匹配方法》提出了一种模式匹配算法，该算法考虑了针对数据本地化特点，对单一模式匹配算法匹配不准确的原因进行了更深入的分析，提出了一种迭代优化的模式匹配方案，能够更好地兼容数据源的本地化特点。 《软件开发活动数据中的数据质量问题》研究软件工程中的数据质量问题。 通过分析现有文献，总结出十大数据质量问题，涵盖数据产生、数据收集和数据使用三个阶段，并提出相应的方法，帮助发现和解决数据问题，具有重要的参考价值给其他研究人员。 基于本体的推理针对业务分析师在对企业数据进行业务分析时无法直接使用数据库查询和使用数据的问题，提出了一种基于推理的终端用户本体查询构建方法，可以减少查询的细节。 《一种基于支持向量机和主题模型的评论分析方法》提出了一种结合分类和主题提取的用户评论分析方法RASL自动化软件开发，用于学习移动应用用户从提供的大量非结构化差评评论中提取出有效信息，为移动应用开发者提供了更具可读性和准确性的结构化用户评论，也为用户评论的分组和记录带来了好处。 《开发者社区用户推荐算法》针对开发者社区用户标签定制、不同社区活跃度不对称以及关键词集封闭等问题，提出了一种跨社区用户推荐算法，旨在给用户更精准的标签，从而扩展扩大可推荐用户的范围，提高用户推荐结果的准确性。

本期专刊主要针对智能软件新技术领域，重点介绍我国计算机软件和人工智能学者在该领域的*新研究进展。 在此，感谢《软件学报》编委会、中国计算机学会系统软件专业委员会和软件工程专业委员会对本期特刊工作的指导、支持和帮助，感谢各位感谢编辑部老师们的辛勤付出，感谢审稿专家严谨、细致、及时的审稿工作，感谢所有为本期积极贡献的作者。 希望本期特刊有助于推动人工智能及软件工程相关领域在智能软件新技术方面的研究与实践。

炫佑科技专注互联网开发小程序开发-app开发-软件开发-网站制作等