Page 155 - 《软件学报》2025年第5期

邓文涛 等: 基于图神经网络的多粒度软件系统交互关系预测 2055

差的分别为 LGCGT (0.903) 和 LG_GNN (0.799), 函数粒度中表现最好和最差的分别为 LGCGT (0.778) 和 LG_GSG
(0.703).

0.98 1.00
0.95
0.93
0.90
0.88
0.85
0.83
0.80
0.78
0.75
0.73 0.70
0.68 0.65
Ant1 Ant2 Ant3 Azure1 Azure2 Azure3 Maven1Maven2Maven3 Ant1 Ant2 Ant3 Azure1 Azure2 Azure3 Maven1Maven2Maven3
L_GNN L_GCN L_GAT L_GSG L_GNN L_GCN L_GAT L_GSG
LGT LG_GNN LG_GCN LG_GAT LGT LG_GNN LG_GCN LG_GAT
LG_GSG LGCGT LG_GSG LGCGT
(a) AUC@package (b) AP@package
0.98
0.93
0.93
0.88
0.88
0.83
0.83
0.78
0.78
0.73 0.73
0.68 0.68
Ant1 Ant2 Ant3 Azure1 Azure2 Azure3 Maven1Maven2Maven3 Ant1 Ant2 Ant3 Azure1 Azure2 Azure3 Maven1Maven2Maven3
L_GNN L_GCN L_GAT L_GSG L_GNN L_GCN L_GAT L_GSG
LGT LG_GNN LG_GCN LG_GAT LGT LG_GNN LG_GCN LG_GAT
LG_GSG LGCGT LG_GSG LGCGT
(c) AUC@class (d) AP@class
0.85 0.85
0.80
0.80
0.75
0.75
0.70
0.65
0.70
0.60
0.65
0.55
0.60 0.50
Ant1 Ant2 Ant3 Azure1 Azure2 Azure3 Maven1Maven2Maven3 Ant1 Ant2 Ant3 Azure1 Azure2 Azure3 Maven1Maven2Maven3
L_GNN L_GCN L_GAT L_GSG L_GNN L_GCN L_GAT L_GSG
LGT LG_GNN LG_GCN LG_GAT LGT LG_GNN LG_GCN LG_GAT
LG_GSG LGCGT LG_GSG LGCGT
(e) AP@function (f) AUC@function
图 6 3 种粒度下各版本的 AUC/AP 值

然而在表 1 中可以看到, 从包粒度到类粒度再到函数粒度, 节点数量在逐渐增多, 但图 6 中整体 AUC 和 AP
值逐渐降低. 虽然融入了全局位置编码使得预测值有所提升, 但是节点数量增多所带来的准确率下降和预测值平
均偏低等问题仍然未能完全解决. 使得函数粒度下的交互关系预测唯有 LGCGT 方法突破了 0.7, AUC 和 AP 值分
别为 0.749 和 0.778.
此外, 图 7 也给出了 3 种粒度下, 各模型使用局部结构信息和全局位置编码相融合的表征对软件交互关系预
测能力的提升. 整体上, 交互预测的平均 AUC 值在包粒度上提升了 7.67% (0.864), 类粒度上提升了 5.11% (0.856),
函数粒度上提升了 11.83% (0.701); AP 值则分别在包、类和函数粒度上提升了 10.28% (0.859)、9.60% (0.860)、