Page 157 - 《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 2057

0.80 0.85
0.83
0.75 0.81
0.79
0.70
0.77
0.65 0.75
0.73
0.60
0.71
0.69
0.55
0.67
0.50 0.65
v1⇒v2 v2⇒v3 v1⇒v3 v1⇒v2 v2⇒v3 v1⇒v3
LG_GNN LG_GCN LG_GAT LG_GNN LG_GCN LG_GAT
LG_GSG LGCGT LG_GSG LGCGT
(a) AUC@package (b) AP@package
0.72 0.84
0.70 0.82
0.68 0.80
0.78
0.66
0.76
0.64
0.74
0.62 0.72
0.60 0.70
0.58 0.68
v1⇒v2 v2⇒v3 v1⇒v3 v1⇒v2 v2⇒v3 v1⇒v3
LG_GNN LG_GCN LG_GAT LG_GNN LG_GCN LG_GAT
LG_GSG LGCGT LG_GSG LGCGT
(c) AUC@class (d) AP@class
0.66 0.76
0.64 0.74
0.62
0.72
0.60
0.70
0.58
0.68
0.56
0.54 0.66
0.52 0.64
v1⇒v2 v2⇒v3 v1⇒v3 v1⇒v2 v2⇒v3 v1⇒v3
LG_GNN LG_GCN LG_GAT LG_GNN LG_GCN LG_GAT
LG_GSG LGCGT LG_GSG LGCGT
(e) AUC@function (f) AP@function
图 8 各粒度跨版本预测下的平均 AUC/AP 值

表 4 LGCGT 方法在不同版本跨度下的平均 AUC/AP 值

邻近版本 (v1⇒v2和v2⇒v3) 跨版本 (v1⇒v3) 邻近版本/跨版本
元素粒度
AUC AP AUC AP ΔAUC (%) ΔAP (%)
package 0.679 0.788 0.666 0.779 2.08 0.77
class 0.683 0.790 0.669 0.775 2.13 1.97
function 0.607 0.682 0.589 0.665 3.12 2.41
注: ΔAUC的计算方法为: (邻近版本的平均AUC/跨版本的平均AUC)–100%; ΔAP的计算方法为: (邻近版本的平均AP/跨版本的平
均AP)–100%

4 讨 论

本节着重探讨本文实验中的一些问题、意义、不足和改进.
对于 RQ1, 局部结构信息提取软件元素内部联系, 但随着粒度增加、节点数量增多, 信息特征提取不完整. 全
局位置编码补充了上下文信息, 增强了对软件元素间关系的理解, 提高了多粒度交互关系预测的准确性. 两者融