Page 323 - 《软件学报》2021年第7期

张献 等:基于代码自然性的切片粒度缺陷预测方法 2241

[57] Chandrashekar G, Sahin F. A survey on feature selection methods. Computers & Electrical Engineering, 2014,40(1):16–28.
[58] Xu Z, Liu J, Yang Z, An G, Jia X. The impact of feature selection on defect prediction performance: An empirical comparison. In:
Proc. of the 27th Int’l Symp. on Software Reliability Engineering. Piscataway: IEEE Press, 2016. 309–320.
[59] Ghotra B, McIntosh S, Hassan AE. A large-scale study of the impact of feature selection techniques on defect classification models.
In: Proc. of the 14th Int’l Conf. on Mining Software Repositories. Piscataway: IEEE Press, 2017. 146–157.
[60] Chen X, Wang LP, Gu Q, Wang Z, Ni C, Liu WS, Wang QP. A survey on cross-project software defect prediction methods.
Chinese Journal of Computers, 2018,41(1):254–274 (in Chinese with English abstract).
[61] Chen S, Ye JM, Liu T. Domain adaptation approach for cross-project software defect prediction. Ruan Jian Xue Bao/Journal of
Software, 2020,31(2):266–281 (in Chinese with English abstract). http://www.jos.org.cn/1000-9825/5632.htm [doi: 10.13328/j.cnki.
jos.005632]
[62] Zhou Y, Yang Y, Lu H, Chen L, Li YH, Zhao YY, Qian JY, Xu BW. How far we have progressed in the journey? An examination
of cross-project defect prediction. ACM Trans. on Software Engineering and Methodology, 2018,27(1):1–51.
附中文参考文献:
[1] 马晓星,刘譞哲,谢冰,余萍,张天,卜磊,李宣东.软件开发方法发展回顾与展望.软件学报,2019,30(1):3–21. http://www.jos.org.cn/
1000-9825/5650.htm [doi: 10.13328/j.cnki.jos.005650]
[2] 陈翔,顾庆,刘望舒,刘树龙,倪超.静态软件缺陷预测方法研究.软件学报,2016,27(1):1–25. http://www.jos.org.cn/1000-9825/4923.
htm [doi: 10.13328/j.cnki.jos.004923]
[5] 蔡亮,范元瑞,鄢萌,夏鑫.即时软件缺陷预测研究进展.软件学报,2019,30(5):1288–1307. http://www.jos.org.cn/1000-9825/5713.
htm [doi: 10.13328/j.cnki.jos.005713]
[6] 宫丽娜,姜淑娟,姜丽.软件缺陷预测技术研究进展.软件学报,2019,30(10):3090–3114. http://www.jos.org.cn/1000-9825/5790.htm
[doi: 10.13328/j.cnki.jos.005790]
[24] 李必信.程序切片技术及其在面向对象软件度量和软件测试中的应用[博士学位论文].南京:南京大学,2000.
[29] 王俊.基于程序切片的软件缺陷预测[硕士学位论文].上海:上海交通大学,2014.
[32] 于巧,姜淑娟,张艳梅,王兴亚,高鹏飞,钱俊彦.分类不平衡对软件缺陷预测模型性能的影响研究.计算机学报,2018(4):809–824.
[47] 董枫,刘天铭,徐国爱,郭燕慧,李承泽.面向 Android 二进制代码的缺陷预测方法.北京邮电大学学报,2018,41(1):13–23.
[50] 张献.基于语言模型的代码分析及缺陷预测方法研究[博士学位论文].武汉:海军工程大学,2019. https://github.com/TOM-ZXian/
Research-on-the-Language-Model-Based-Code-Analysis-and-Defect-Prediciton-Method-
[52] 纪守领,李进锋,杜天宇,李博.机器学习模型可解释性方法、应用与安全研究综述.计算机研究与发展,2019,56(10):2071–2096.
[54] 杨博,张能,李善平,夏鑫.智能代码补全研究综述.软件学报,2020,31(5):1435−1453. http://www.jos.org.cn/1000-9825/5966.htm
[doi: 10.13328/j.cnki.jos.005966]
[60] 陈翔,王莉萍,顾庆,王赞,倪超,刘望舒,王秋萍.跨项目软件缺陷预测方法研究综述.计算机学报,2018,41(1):254–274.
[61] 陈曙,叶俊民,刘童.一种基于领域适配的跨项目软件缺陷预测方法.软件学报,2020,31(2):266–281. http://www.jos.org.cn/1000-
9825/5632.htm [doi: 10.13328/j.cnki.jos.005632]

张献(1990－),男,博士,讲师,主要研究领 曾杰(1993－),男,博士,主要研究领域为软
域为软件质量保障,机器学习. 件分析,机器学习.

贲可荣(1963－),男,博士,教授,博士生导
师,CCF 杰出会员,主要研究领域为软件工
程,人工智能.