您的位置:
首页
>
中文期刊论文
>
详情页
基于CodeBERT和Stacking集成学习的补丁正确性验证方法
- 作 者:
-
韩威;
姜淑娟;
周伟;
- 作者机构:
-
中国矿业大学计算机科学与技术学院;
- 关键词:
-
集成学习;
Defects4J缺陷数据集;
自动程序修复;
补丁验证;
预训练模型;
- 期刊名称:
- 计算机科学
- i s s n:
- 1002-137X
- 年卷期:
-
2025 年
52 卷
001 期
- 页 码:
- 250-258
- 摘 要:
-
近年来,自动程序修复已成为软件工程领域的重要研究课题。然而,现有的自动修复技术大多是基于补丁生成和测试的,在补丁验证环节时间成本很高。此外,由于测试套件的不完备,许多候选补丁虽然能通过测试,但实际上并不正确,从而导致补丁过拟合。为提高补丁验证的效率并缓解补丁过拟合的问题,提出了一种静态的补丁验证方法。该方法首先使用大型预训练模型CodeBERT自动提取缺陷代码片段和补丁代码片段的语义特征,然后使用历史缺陷修复补丁数据训练Stacking集成学习模型,训练之后的模型可以对新的缺陷修复补丁进行有效验证。在Defects4J缺陷数据集相关的1 000个补丁数据上对所提方法的验证能力进行评估。实验结果表明,该方法可以有效地验证补丁的正确性,从而提高补丁验证的效率。
相关作者
载入中,请稍后...
相关机构
载入中,请稍后...