基于語(yǔ)義知識(shí)的軟件缺陷分析關(guān)鍵技術(shù)研究

第l章 緒論
1.1 引言
1.2 命名實(shí)體識(shí)別
1.3 知識(shí)圖譜
1.4 缺陷報(bào)告
1.4.1 軟件缺陷定義
1.4.2 軟件缺陷分類
1.4.3 軟件缺陷報(bào)告
1.4.4 重復(fù)軟件缺陷報(bào)告
1.4.5 安全缺陷報(bào)告
1.5 外研究現(xiàn)狀
1.5.1 軟件缺陷領(lǐng)域命名實(shí)體識(shí)別研究現(xiàn)狀
1.5.2 知識(shí)圖譜研究現(xiàn)狀
1.5.3 重復(fù)軟件缺陷報(bào)告檢測(cè)方法分類研究
1.5.4 安全缺陷報(bào)告預(yù)測(cè)研究現(xiàn)狀
1.6 本文主要內(nèi)容
第2章 軟件缺陷領(lǐng)域命名實(shí)體識(shí)別方法
2.1 引言
2.2 軟件缺陷領(lǐng)域命名實(shí)體分類標(biāo)準(zhǔn)
2.3 基于隨機(jī)森林上下文的命名實(shí)體識(shí)別方法
2.3.1 數(shù)據(jù)預(yù)處理
2.3.2 分類器模型算法
2.4 基于多級(jí)別特征融合的命名實(shí)體識(shí)別方法
2.4.1 多級(jí)別詞嵌入層
2.4.2 BiLSTM與Attention層
2.4.3 CRF層
2.4.4 方法參數(shù)介紹
2.4.5 實(shí)驗(yàn)設(shè)計(jì)
2.4.6 實(shí)驗(yàn)結(jié)果及分析
2.5 基于BERT-BiLSTM-CRF、模型的軟件缺陷命名實(shí)體識(shí)別方法
2.5.1 BERT模型
2.5.2 BiLSTM模型
2.5.3 CRF模型
2.5.4 BBC-NER軟件缺陷命名實(shí)體識(shí)別方法
2.5.5 實(shí)驗(yàn)結(jié)果分析
2.5 本章小結(jié)
第3章 DB-CNN-NER重復(fù)軟件缺陷報(bào)告檢測(cè)方法
3.1 引言
3.2 卷積神經(jīng)網(wǎng)絡(luò)
3.3 基于CNN的重復(fù)軟件缺陷報(bào)告檢測(cè)方法
3.3.1 CNN提取軟件缺陷報(bào)告特征
3.3.2 不同分類器模型對(duì)于重復(fù)軟件缺陷報(bào)告檢測(cè)的影響
3.3.3 文本數(shù)據(jù)長(zhǎng)度對(duì)于重復(fù)軟件缺陷報(bào)告檢測(cè)的影響
3.3.4 過(guò)濾器大小對(duì)于重復(fù)軟件缺陷報(bào)告檢測(cè)的影響
3.3.5 元數(shù)據(jù)對(duì)于重復(fù)軟件缺陷報(bào)告檢測(cè)的影響
3.4 DB-CNN-NER方法
3.4.1 DB-CNN-NER模型構(gòu)建
3.4.2 實(shí)驗(yàn)結(jié)果分析
3.5 本章小結(jié)
第4章 基于關(guān)鍵詞語(yǔ)義的安全缺陷報(bào)告識(shí)別方法