一种基于程序切片的深度神经网络类型推导方法

    公开(公告)号:CN114580641A

    公开(公告)日:2022-06-03

    申请号:CN202210052087.1

    申请日:2022-01-17

    Applicant: 南京大学

    Abstract: 本发明涉及一种基于程序切片的深度神经网络类型推导方法,首先获取大量包含类型标注信息的动态语言程序项目,提取项目中的类型信息,构建类型信息数据集;然后用编码技术将提取的类型信息数据集嵌入成向量形式;最后用嵌入向量训练深度神经网络模型并使用训练好的模型预测程序变量类型或函数签名。本发明目的在于解决目前存在的动态语言程序类型推导效率低、准确率低的问题,提高动态语言程序在软件工程的生产实践中的可读性、可理解性和可维护性,最终实现提高软件质量保障的目标。

    一种基于差分测试和嵌入模型的知识图谱评估方法

    公开(公告)号:CN114579753A

    公开(公告)日:2022-06-03

    申请号:CN202210052086.7

    申请日:2022-01-17

    Applicant: 南京大学

    Abstract: 本发明涉及知识图谱质量评估领域,提供一种基于差分测试和嵌入模型的知识图谱评估方法。该方法基于变异测试的思想,变异生成可代表知识图谱数据中典型错误的三元组,并将其作为输入重训练出对知识图谱典型错误敏感的优化嵌入模型。该方法还基于差分测试的思想,输入普通知识图谱数据获取不同优化嵌入模型的输出,根据相似性评估保证输出的一致性和有效性;从而可通过符合相似性评估的输出结果再使用投票策略,最终计算出符合实际的质量评估指标。本发明目的在于解决目前存在的知识图谱质量评估人工成本高,耗时长且缺失自动化评估方法和过程的难题,进而帮助评估人员快速地对知识图谱质量进行了解并在短时间内获取可靠的知识图谱评估结果。

    一种基于上下文分析的Python API实时推荐方法

    公开(公告)号:CN114254097A

    公开(公告)日:2022-03-29

    申请号:CN202010957757.5

    申请日:2020-09-11

    Applicant: 南京大学

    Abstract: 本发明为一种基于上下文分析的Python API实时推荐方法。其特征是首先提取Python代码上下文中调用点;接着对每个调用点进行类型推断,若推断成功,使用推断类型可调用方法作为API候选集,否则从标准库API、第三方库API以及当前上下文定义API这三方面生成;接着从五方面约束提取仅含真阳性的数据流序列:赋值操作、循环结构、属性访问/调用、容器访问以及函数参数传递;然后通过上下文分析收集三方面特征,即数据流序列、token相似度和共现规则,将特征编码为特征向量;接着对特征向量进行标记,将所有标记后向量放入随机森林模型训练;最后基于训练好的推荐模型,将推荐结果按照概率得分进行排序并呈现给开发者。

    一种基于程序分析和文本分析的Python代码参考信息生成方法

    公开(公告)号:CN110750297A

    公开(公告)日:2020-02-04

    申请号:CN201910970630.4

    申请日:2019-10-11

    Applicant: 南京大学

    Inventor: 许蕾 陶英 徐宝文

    Abstract: 本发明为一种基于程序分析和文本分析的Python代码参考信息生成方法:首先,对Python代码中的函数调用场景进行分类并提取项目中函数定义和注释作为函数的参考信息;其次,对于函数调用场景中函数来源(模块Module,类Class)可以确定的情况,使用静态分析工具生成函数调用图,建立函数调用和函数参考信息的一一映射关系;然后,考虑同名函数的情况,为了确定调用函数的Class实例的类型,使用基于文本分析技术的类型推导,给出推导的类型并根据类型建立函数调用和函数参考信息的一一映射关系;接着,针对类型无法推导的情况,基于协同过滤算法,为Class实例的函数调用推荐同名函数中对应的函数参考信息。

    一种基于抽象语法树的Python程序类型缺陷检测方法

    公开(公告)号:CN108932192A

    公开(公告)日:2018-12-04

    申请号:CN201710376265.5

    申请日:2017-05-22

    Applicant: 南京大学

    Abstract: 本发明提供一种基于抽象语法树的Python程序类型缺陷检测方法,包括下列步骤:1)收集Python软件缺陷报告信息,提取缺陷标识符和缺陷错误类型;2)获取缺陷修复前后两个版本程序的源代码;3)生成两个版本源代码对应的抽象语法树,匹配获取变更函数结点并标记缺陷错误类型;4)根据变更函数结点上下文信息,生成缺陷代码的特征向量;5)利用机器学习技术,在缺陷代码特征向量上训练多分类模型;6)提示开发者在测试Python程序文件中可能出现的类型缺陷信息。本发明旨在解决目前存在的缺乏针对Python语言的类型缺陷分析、无法检测可能的缺陷错误类型等问题,进而指导软件质量的管理,提高软件的可维护性。

    一种基于软件可靠性增长模型的测试工作量分配方法

    公开(公告)号:CN108021498A

    公开(公告)日:2018-05-11

    申请号:CN201610977069.9

    申请日:2016-11-04

    Applicant: 南京大学

    CPC classification number: G06F11/368 G06F11/3688

    Abstract: 本发明提供一种基于软件可靠性增长模型的测试工作量分配方法,包括下列步骤:1)软件数据集的采集和处理;2)软件缺陷预测模型的构建;3)软件缺陷发现模型的构建;4)软件缺陷发现模型V0版本参数估计;5)软件缺陷发现模型V1版本参数估计;6)软件V1版本最优测试工作量分配。本发明是一种测试工作量分配方案,解决了目前如何在测试资源有限的情况下最大效益的测试出系统中缺陷的问题。该方案充分利用了先前软件版本的信息,来对当前版本的系统的测试工作量进行分配,从而最终可以发现最多数目的累积缺陷。

    基于符号执行的GUI程序测试用例扩增方法

    公开(公告)号:CN104536880B

    公开(公告)日:2017-09-15

    申请号:CN201410712797.8

    申请日:2014-11-28

    Abstract: 基于符号执行的GUI程序测试用例扩增方法,对于一个待测程序,首先使用JPF工具为待测程序创建一个“.jpf”文件,并静态分析待测程序代码,获取符号执行分析后产生的有效输入值;以控件的名字属性作为关键字在已有测试用例脚本中搜索与定位需要置入新输入值的位置,然后用有效输入值进行替换原值,生成新的测试用例,实现原测试用例集扩增。本发明作为一种GUI界面测试技术引入了符号执行技术,能够运用符号执行的方法完成对GUI程序前台界面测试用例的扩增,让GUI程序前台界面的测试更加充分,提高了GUI程序前台界面的测试效率。

    一种Web服务测试用例自动生成方法

    公开(公告)号:CN104156313B

    公开(公告)日:2017-01-25

    申请号:CN201410396502.0

    申请日:2014-08-12

    Applicant: 南京大学

    Abstract: 一种Web服务测试用例自动生成方法,基于文档解析及约束求解自动生成测试用例,包括Web服务文档解析、Web服务约束条件提取和Web服务测试用例自动化生成三部分,自动化生成SOAP消息表示的测试用例,即为Web服务的测试用例。本发明在Web服务测试用例的自动生成过程中,通过提取WSDL、BPEL文档中的约束条件,并运用约束求解方法,根据这些约束条件自动化生成测试用例,从而减少测试用例的冗余度,提高覆盖率,提高Web服务测试的效率。

    基于预测性分析的安卓应用程序数据竞争检测

    公开(公告)号:CN105183655A

    公开(公告)日:2015-12-23

    申请号:CN201510626507.2

    申请日:2015-09-25

    Applicant: 南京大学

    Abstract: 本发明方法是基于安卓开发框架和其多线程模型,插桩安卓应用程序并动态运行提取单个执行轨迹,再使用预测性分析方法对执行轨迹进行分析,构造其活动间的发生序关系(Happens-Before)并预测生成多个执行轨迹,在此基础上结合变量松弛和路径松弛对执行轨迹中的所有活动进行约束编码,最终放入约束求解器中进行求解来完成数据竞争的检测。本发明能有效降低数据竞争的误报率,扩展性好,效率高,只需收集单个运行轨迹,大大降低了人工成本。

Patent Agency Ranking