公开(公告)号：CN114741304B

公开(公告)日：2025-01-07

申请号：CN202210418068.6

申请日：2022-04-20

Applicant: 南京大学

Inventor： 汤恩义 ,  李正民 ,  陈鑫 ,  王林章 ,  李宣东

IPC: G06F11/3668 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于图神经网络的阶段式错误定位方法，包括以下步骤：使用至少包含一个失败用例的测试用例集测试包含缺陷的目标程序，并统计目标程序的频谱信息；使用Tarantula计算各函数的怀疑度分数并排序；对排名前50的函数使用全连接神经网络进行进一步排序；为排名前10的函数构建函数特征图并将特征图两两输入到基于图神经网络的排序模型进行更精确的排序；当开发者排查任意函数时，将该函数特征图输入到节点预测图神经网络获取该函数内语句的怀疑度列表。本发明通过将传统SBFL技术与图神经网络结合，提高了错误定位的准确率。

公开(公告)号：CN114741304A

公开(公告)日：2022-07-12

申请号：CN202210418068.6

申请日：2022-04-20

Applicant: 南京大学

Inventor： 汤恩义 ,  李正民 ,  陈鑫 ,  王林章 ,  李宣东

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

Abstract: 本发明提出了一种基于图神经网络的阶段式错误定位方法，包括以下步骤：使用至少包含一个失败用例的测试用例集测试包含缺陷的目标程序，并统计目标程序的频谱信息；使用Tarantula计算各函数的怀疑度分数并排序；对排名前50的函数使用全连接神经网络进行进一步排序；为排名前10的函数构建函数特征图并将特征图两两输入到基于图神经网络的排序模型进行更精确的排序；当开发者排查任意函数时，将该函数特征图输入到节点预测图神经网络获取该函数内语句的怀疑度列表。本发明通过将传统SBFL技术与图神经网络结合，提高了错误定位的准确率。