[发明专利]基于学习算法实现缺陷修复推荐的方法

权利要求书

1.一种基于学习算法实现缺陷修复推荐的方法，其特征在于，包括以下步骤：

步骤1、针对收集的bug修复前和修复后的源代码，分别通过GumTree进行抽象语法树AST提取，获得bug修复前、修复后代码各自的AST编辑操作序列；

步骤2、对AST编辑操作序列进行筛选过滤；

步骤3、结合筛选过滤后的AST编辑操作序列，利用解析器抽象bug修复前和修复后的源代码，并分别映射为向量特征表示；

步骤4、根据映射后的向量特征表示训练神经网络，获得缺陷语句识别模型，由此识别出缺陷语句；

步骤5、基于源代码的语义特征为步骤4识别出的缺陷语句推荐修复方案。

2.根据权利要求1所述的基于学习算法实现缺陷修复推荐的方法，其特征在于，步骤1所述对源代码进行AST提取，提取的AST的节点类型包括：

(1)方法调用和类实例创建节点；

(2)方法声明、类型声明和枚举声明节点；

(3)控制流节点，包括while语句、catch语句、if语句以及throw语句。

3.根据权利要求1所述的基于学习算法实现缺陷修复推荐的方法，其特征在于，步骤2所述筛选过滤具体为：滤除语法错误以及出现频率低于设定阈值的AST编辑操作序列。

4.根据权利要求1所述的基于学习算法实现缺陷修复推荐的方法，其特征在于，步骤3所述利用解析器抽象bug修复前和修复后的源代码，并分别映射为向量特征表示，具体为：

步骤3-1、利用分析器将源代码生成标记流；

步骤3-2、将标记流回馈到解析器中，对源代码中的每个标识符/文字产生一个唯一的ID并进行映射。

5.根据权利要求1所述的基于学习算法实现缺陷修复推荐的方法，其特征在于，步骤4所述神经网络具体为循环神经网络RNN。

6.根据权利要求1所述的基于学习算法实现缺陷修复推荐的方法，其特征在于，步骤5所述基于代码的语义特征为缺陷语句推荐修复方案，具体为：

根据缺陷语句在源代码中的上下文，结合下表1的细粒度修复模式，推荐相应的修复方案：该缺陷语句中X存在问题需修复或该缺陷语句中X的Y存在问题需修复，其中X、Y为①至中的任意一个；

表1 bug的修复模式