一种即时软件缺陷预测模型及其可解释性研究

作者：陈丽琼; 王璨; 宋士龙

来源：小型微型计算机系统, 2021, 1-9.

• 即时软件缺陷预测
• 模型可解释性
• 特征工程
• 集成学习

即时软件缺陷预测是保障软件安全与质量相统一的必要途径，在软件工程领域受到越来越多的关注。然而，现有数据集存在特征冗余和特征相关性低的情况，极大影响了即时软件缺陷预测模型的分类性能和稳定性。此外，分析缺陷数据特征对模型的影响尤为重要，但如今对软件缺陷预测模型进行解释性研究较少。针对这些问题，文章基于6个开源项目的227417个代码级变更的大规模实证研究，创新性地选择了SHAP+SMOTEENN+XGBoost（SHAP-SEBoost）构建即时软件缺陷预测模型。首先通过SHAP（SHapley Additive exPlanation）模型可解释器分析初始数据集特征，并根据分析结果对数据集进行相应的特征选择与组合。然后，利用SMOTEENN对类不平衡的缺陷数据进行正负样本均衡化，使用集成学习算法XGBoost对实验数据进行预测建模。最后，使用SHAP对本文模型进行可解释性分析。实验结果表明SHAP-SEBoost有效地提高了分类性能，与基线模型以及近年优秀模型相比AUC平均提高11.6%，F1平均提升33.5%。

• 单位
  上海应用技术大学