FITEE 2022年第5期摘要（“软件数据智能分析”专题）

【FITEE 2022年第5期出版“软件数据智能分析”专题。澳门科技大学张涛副教授担任专题主编，扬州大学孙小兵教授、中山大学郑子彬教授、北京大学李戈副教授任客座编辑。包含1篇社论和6篇研究论文，扫描二维码即可下载全文PDF。】

“软件数据智能分析”专题文章目录

1. 软件数据智能分析：研究与应用（社论）

2. 代码变更驱动的增量式软件架构恢复技术

3. 基于自适应在线双词主题模型的应用程序评论新兴主题识别

4. 基于成本收益分析的集成测试序列生成优化方法

5. 一种基于特征选择与迁移学习的度量补偿软件缺陷预测方法

6. 一种基于结构和词汇分析的精确重命名方法

7. 管理面向任务的虚拟助手软件系统的经验性研究

1. Intelligent analysis for software data: research and applications

软件数据智能分析：研究与应用

张涛¹，孙小兵²，郑子彬³，李戈⁴

¹澳门科技大学计算机科学与工程学院，中国澳门特别行政区

²扬州大学信息工程学院，中国扬州市，225127

³中山大学软件工程学院，中国珠海市，519082

⁴北京大学计算机学院，中国北京市，100871

摘要：软件一直是世界经济增长的主要动力之一，人类生活依赖于可靠的软件。软件生产过程（即软件设计、开发、测试和维护）是确保软件质量的最重要因素之一。在生产过程中，会产生大量软件数据（例如，源代码、错误报告、日志和用户评论）。随着软件复杂性增加，如何利用软件数据来提高软件生产性能和效率，成为软件开发者和研究人员的一个挑战。为应对这一挑战，研究人员利用信息检索、数据挖掘和机器学习技术，实现了一系列自动化工具，以提高一些重要软件工程任务的效率，如代码搜索、代码摘要生成、严重性/优先级预测、缺陷定位和程序修复。然而，这些传统方法不能深入捕捉上下文信息的语义关系，而且通常忽略了源代码的结构信息。因此，这些自动化软件工程任务的性能仍有提高余地。“智能”一词意味着我们可以使用新一代人工智能技术（如深度学习）来设计一系列“智能”自动化工具，以提高软件工程任务的有效性和效率，从而大大减少开发人员的工作量。本期“软件数据智能分析”专题经严格评审，选入6篇研究论文，涵盖了软件架构恢复、应用审查分析、集成测试、软件项目管理、缺陷预测和方法重命名以及相关应用，通过分析软件数据来提高软件开发的有效性和效率，此外，提供了一系列解决方案来克服之前研究中的挑战。我们希望这些课题对软件数据智能分析及相关领域研究人员有所帮助。

https://doi.org/10.1631/FITEE.2230000

2. An incremental software architecture recovery technique driven by code changes

 代码变更驱动的增量式软件架构恢复技术

王丽^1,2，孔祥龙¹，王家慧³，李必信¹

¹东南大学计算机科学与工程学院，中国南京市，210096

²江苏自动化研究所，中国连云港市，222061

³华为数字技术实验室，中国苏州市，215125

摘要：在软件演化过程中，受开发能力和投入资源限制，软件架构通常难以与代码保持同步更新，导致架构设计与代码产生不一致，对软件维护等工作造成潜在影响。为解决此问题，本文提出一种增量式软件架构恢复技术，即ISAR。该技术首先从变更代码片段中提取依赖信息，然后根据依赖强度分析模块间关联关系，最后基于代码变更与架构更新间的关联关系设计两层分类器以恢复架构。本文基于10个开源项目构建验证实验，结果表明ISAR在架构恢复精度和效率方面优于传统技术。此外，本文发现架构设计文档质量对ISAR架构恢复精度有一定影响，但随着版本迭代逐渐趋于稳定。

关键词：架构恢复；软件演化；代码变更

https://doi.org/10.1631/FITEE.2100461

3. Emerging topic identification from app reviews via adaptive online biterm topic modeling

基于自适应在线双词主题模型的应用程序评论新兴主题识别

周芄¹，王勇^1,2，高翠芸³，杨非⁴

¹安徽工程大学计算机与信息学院，中国芜湖市，241000

²南京大学计算机软件新技术国家重点实验室，中国南京市，210000

³哈尔滨工业大学（深圳）计算机科学与技术学院，中国深圳市，518000

⁴之江实验室，中国杭州市，310000

摘要：应用程序评论中的新兴主题突出了用户在一定时期内关注的主题（如软件漏洞）。准确、及时地识别新兴主题能帮助开发者更有效地更新应用程序。已有文献基于主题模型或聚类方法识别应用程序评论中的新兴主题。然而，由于评论文本长度较短，提供的信息有限，新兴主题识别准确率较低。为解决该问题，提出一种改进的新兴主题识别方法（IETI）。首先采用自然语言处理技术减少评论文本中的噪音数据，然后使用自适应在线双词主题模型识别评论中的新兴主题。最后利用新兴主题中相关的短语和句子解释新兴主题的含义。采用官方更新日志作为新兴主题的评估标准，选择6个常见的应用程序对IETI进行评估。实验结果表明，IETI在识别新兴主题方面优于传统方法，短语标签F1值增量为0.126，句子标签F1值增量为0.061。我们在Github（https://github.com/wanizhou/IETI）上发布了IETI的代码。

关键词：应用程序评论；新兴主题识别；主题模型；自然语言处理

https://doi.org/10.1631/FITEE.2100465

4. Devising optimal integration test orders using cost–benefit analysis

基于成本收益分析的集成测试序列生成优化方法

孟繁祎¹，王莹^1,2，于海¹，朱志良¹

¹东北大学软件学院，中国沈阳市，110169

²南京大学计算机软件新技术国家重点实验室，中国南京市，210023

摘要：集成测试是面向对象软件测试的重要组成部分。传统的类级集成测试顺序研究策略大多围绕如何降低测试成本开展工作，并未考虑赋予可靠性风险较大的节点较高测试优先级，从而影响软件测试效率。本文提出一种兼顾测试成本与测试效率的方法生成集成测试序列。根据软件在不同场景下的运行状态，将其映射成多层动态执行网络（multi-layer dynamic execution network，MDEN）。借助该网络模型与概率风险评估方法为软件中每一个类赋予风险权重。利用成本收益分析方法，在生成测试用例的过程中保证两条原则：为高风险的类赋予较高权重，同时最小化测试桩复杂度。在此基础上，分析测试序列对软件系统总体运行风险的影响，从而提出评估测试序列优劣的度量方案。通过与现有算法的实验对比分析，证明所提算法生成的类级集成测试序列能有效降低测试代价。最后，将所提算法实现为自动生成集成测试序列的开源工具ITOsolution。

关键词：集成测试序列；成本收益分析；概率风险分析；复杂网络

https://doi.org/10.1631/FITEE.2100466

5. A software defect prediction method with metric compensation based on feature selection and transfer learning

一种基于特征选择与迁移学习的度量补偿软件缺陷预测方法

陈锦富^1,2，王小丽^1,2，蔡赛华^1,2，徐家平¹，陈静怡¹，陈海波¹

¹江苏大学计算机科学与通信工程学院，中国镇江市，212013

²江苏大学工业网络空间安全技术江苏省重点实验室，中国镇江市，212013

摘要：跨项目软件缺陷预测解决了传统缺陷预测中训练数据不足的问题，克服了将多个不同源项目中学习的模型应用于目标项目的挑战。与此同时，出现两个新问题：（1）模型训练过程中过多无关和冗余特征影响训练效率，降低了模型预测精度；（2）由于开发环境等因素，度量值的分布因项目而异，当模型用于跨项目预测时，预测精度较低。本文引入皮尔逊特征选择方法解决数据冗余问题，采用基于迁移学习的度量补偿技术解决源项目和目标项目之间数据分布差异较大的问题。提出一种基于特征选择和迁移学习的度量补偿软件缺陷预测方法。实验结果表明，用该方法构建的模型在AUC（接收器工作特性曲线下面积）值和F1度量指标上取得较好结果。

关键词：缺陷预测；特征选择；迁移学习；度量补偿

https://doi.org/10.1631/FITEE.2100468

6. Toward an accurate method renaming approach via structural and lexical analyses

一种基于结构和词汇分析的精确重命名方法

骆君鹏¹，张静宣^1,2，黄志球¹，徐勇³，孙辰星^3
1南京航空航天大学计算机科学与技术学院，中国南京市，211106
²软件新技术与产业化协同创新中心，中国南京市，210023
³腾讯科技有限公司（深圳），中国深圳市，518054

摘要：程序中的方法必须准确命名，以便于源代码分析和理解。随着软件的演变，方法名称可能与其实现的方法体不一致，导致方法名称不准确或有缺陷。调试方法名称仍然是文献中的一个重要主题。尽管研究人员已提出一些方法，用于在方法体被修改后给出准确的方法名称建议，但有两个主要不足仍待解决：对方法名称结构未加以分析，且未能有效捕获编程环境上下文信息。为避免上述不足，并给出更准确的方法名称建议，提出一种基于方法名称结构分析和编程上下文信息词法分析的新颖自动化方法。首先，利用深层特征表示，将方法名称和方法体嵌入向量中；然后，通过结构分析从大型方法语料库中获取有用的动词标记，通过词汇分析从方法体中获取名词标记；最后，动态结合这些标记，形成并推荐高质量和特定于项目的方法名称。在2111个Java测试方法上的实验结果表明，所提方法可以达到33.62%的命中率（Hit@5），并且在建议准确方法名称方面比最先进的方法高出14.12%。此外，展示了所提方法对结构和词汇分析的有效性。

关键词：方法重命名；代码重构；深度学习；卷积神经网络

https://doi.org/10.1631/FITEE.2100470

7. How to manage a task-oriented virtual assistant software project: an experience report

 管理面向任务的虚拟助手软件系统的经验性研究

李姝玥¹，郭家琪¹，高妍²，楼建光²，杨德建²，肖炎²，周亚东¹，刘烃^1
1西安交通大学电子与信息工程学院，中国西安市，710049
²微软亚洲研究院，中国北京市，100080

摘要：面向任务的虚拟助手是为用户提供自然语言接口以完成特定领域任务的软件系统。随着近年来自然语言处理和机器学习技术的发展，越来越多面向任务的虚拟助手产品开始涌现。由于自然语言理解这一问题的复杂性和困难性，管理一个面向任务的虚拟助手软件项目具有挑战性。同时，据我们所知，与虚拟助手开发相关的管理和经验在学术界和工业界都少有研究或分享。为填补这空白，本文分享了我们在微软开发一项虚拟助手产品过程中的管理经验和教训。相信我们的经验和教训能为研究人员和相关从业者提供宝贵参考。最后，设计了一个需求管理工具SpecSpace，对我们虚拟助手项目的管理有很大帮助。

关键词：经验报告；软件项目管理；虚拟助手；机器学习

https://doi.org/10.1631/FITEE.2100467

8. Smart grid dispatch powered by deep learning: a survey

深度学习驱动的智能电网调度：综述

黄刚¹，吴飞²，郭创新^3
1之江实验室，中国杭州市，311121
²浙江大学计算机科学与技术学院，中国杭州市，310027
³浙江大学电气工程学院，中国杭州市，310027

摘要：电力调度是智能电网运行的一大核心问题，其目的是在满足时空变化的电力负荷条件下提供电网的最优运行点。这一功能需要在一天内每隔几分钟运行一次，因此快速、准确的调度决策方法至关重要。但是，由于问题的复杂性，可靠且高效的决策方法仍在不断探索的过程中。随着可再生能源的大规模并网以及灾害性气候的不断恶化，智能电网对调度决策方法提出了更为严苛的要求。近年来，以深度学习为代表的人工智能方法在不少领域取得巨大成功，因此深度学习也被电气工程领域寄予厚望，国内外研究者开始重新思考智能电网的调度决策问题。本文即从深度学习这一角度对智能电网调度决策相关研究进行综述，旨在促进智能电网领域发展的同时促进人工智能生态的发展。

关键词：人工智能；深度学习；电力调度；智能电网

https://doi.org/10.1631/FITEE.2000719

9. Depth estimation using an improved stereo network

 基于改进立体网络的深度估计

徐万朋¹，邹玲³，吴玲达¹，齐越²，钱昭勇^1
1航天工程大学复杂电子系统仿真科学与技术实验室，中国北京市，101416
²鹏城实验室，中国深圳市，518055
³北京电影学院数字媒体学院，中国北京市，100088

摘要：自监督深度估计方法通过在训练数据中利用目标图像和参考图像之间的视角合成，呈现了可以与全监督方法相媲美的结果。然而，作为主干网络的ResNet最初是为了应对分类问题而设计的，在应用于下游领域时存在一些结构上的缺陷。图像中的低纹理区域也使深度估计的效果受到很大影响。为了解决这些问题，本文提出一系列改进，以实现更加有效的深度预测。首先，我们通过改进网络结构来促进网络中的信息流通，并提高学习空间结构的能力。其次，使用二值蒙版去除目标图像和参考图像之间低纹理区域中的像素，以更准确地重建图像。最后，我们随机输入目标图像和参考图像对数据集进行扩充，并在ImageNet上进行预训练，从而使模型获得良好的通用特征表示。我们使用立体图像对作为输入，在KITTI自动驾驶数据集的特征分割上验证了最先进的性能。

关键词：单目深度估计；自监督；图像重建

https://doi.org/10.1631/FITEE.2000676

10. Shot classification and replay detection for sports video summarizatio

体育视频摘要中的镜头分类和回放检测

Ali JAVED, Amen ALI KHAN
塔克西拉工程技术大学软件工程系，巴基斯坦塔克西拉市，47050

摘要：由于摄像机、回放速度、光照条件、剪辑效果、比赛结构和类型等方面的差异，体育视频摘要的自动分析具有挑战性。为了解决这些问题，针对户外运动视频，本文提出一种基于镜头分类和回放检测的有效视频摘要框架。准确的镜头分类对于更好地安排输入视频从而进行进一步处理（关键事件或回放检测）是必要的。因此，提出一种基于轻量级卷积神经网络的镜头分类方法。该方法对每一个镜头进行回放检测；特别地，检测出从体育视频中识别出回放片段的连续标识转换帧。为此，提出局部八元模式特征来表示视频帧，并训练极限学习机分为回放或非回放两类。所提框架对于摄像机、回放速度、镜头速度、光照条件、比赛结构、运动类型、广播公司、标识设计和位置、帧转换和剪辑效果具有鲁棒性。基于YouTube体育视频集中的足球、棒球和板球运动对所提框架进行性能评估。实验结果证明所提框架能够可靠地用于户外运动视频摘要的镜头分类和回放检测。

关键词：极限学习机；轻量级卷积神经网络；局部八元模式；镜头分类；回放检测；视频摘要

https://doi.org/10.1631/FITEE.2000414

11. Wireless passive flexible accelerometer fabricated using micro-electro-mechanical system technology for bending structure surfaces

 利用微机电系统技术制作弯曲结构表面无线无源柔性加速度计

李晨^1,2，贾蔓谷¹，洪应平²，薛亚楠²，熊继军^2
1中北大学电子测试技术重点实验室，中国太原市，030051
²中北大学仪器科学与动态测试教育部重点实验室，中国太原市，030051

摘要：提出一种LC无线无源柔性加速度计，解决测量弯曲结构表面加速度的困难。该加速度计由柔性聚酰亚胺（PI）衬底和平面螺旋电感（厚度为300 nm）组成，采用微机电系统（MEMS）技术，可任意弯曲或折叠，可牢固地粘附在具有弯曲结构的物体表面。利用射频无线传输原理，通过改变加速度计与天线之间的距离来测量加速度信号。与带导线的加速度计相比，该加速度计可以防止导线在振动过程中脱落，从而延长其使用寿命。通过搭建实验平台，当天线与加速度计之间的距离为5 mm时，在弯曲结构表面展示了加速度计在20至100 m/s²加速度下的传感能力。结果表明，加速度和峰峰值输出电压接近线性，加速度计灵敏度高达0.27 mV/(m·s⁻²)。此外，该加速度计的最大误差小于0.037%。

关键词：弯曲结构表面；柔性加速度计；微机电系统（MEMS）技术；无线非接触式测量

https://doi.org/10.1631/FITEE.2100236

12. Stabilization of switched linear systems under asynchronous switching subject to admissible edge-dependent average dwell time

基于异步切换和可容许边依赖平均驻留时间方法的切换线性系统镇定研究

侯林林¹，马萱¹，孙海滨^2
1曲阜师范大学计算机学院，中国日照市，276826
²曲阜师范大学工学院，中国日照市，276826

摘要：本文研究异步切换条件下切换线性系统的镇定问题。采用可容许边依赖平均驻留时间方法，设计包含慢可容许边依赖平均驻留时间和快可容许边依赖平均驻留时间的切换信号。这种切换信号设计方法消除了异步切换最大延迟事先已知的限制。构造的李雅普诺夫函数与系统模态和控制器模态均相关。给出了获取控制器增益和设计切换信号的稳定性准则及相应算法。最后，通过两个算例验证了所提结果的有效性。

关键词：异步切换；可容许边依赖平均驻留时间；多李雅普诺夫函数

https://doi.org/10.1631/FITEE.2000698

往期目录

期刊动态

关于本刊

Frontiers of Information Technology & Electronic Engineering（简称FITEE，中文名《信息与电子工程前沿（英文）》，ISSN 2095-9184，CN 33-1389/TP）是信息电子类综合性英文学术月刊，SCI-E、EI收录，最新影响因子2.161，位于JCR Q2分区。前身为2010年创办的《浙江大学学报英文版C辑：计算机与电子》，2015年更为现名，现为中国工程院信息与电子工程领域分刊。覆盖计算机、信息与通信、控制、电子、光学等领域。文章类型包括研究论文、综述、个人视点、评述等。现任主编为中国工程院院士潘云鹤、卢锡城。实行国际同行评审制，初次转达意见一般在2~3个月内。文章一经录用将快速在线。

2019年，荣获中国科协等七部委推出的中国科技期刊卓越行动计划项目资助（梯队期刊）。2021~2022年，先后入选信息通信领域（中国通信学会组织评选）和计算领域（中国计算机学会组织评选）高质量科技期刊分级目录，均被列为最高的T1级别。

官网：http://www.jzus.zju.edu.cn

期刊Springer主页：

http://www.springer.com/computer/journal/11714

在线投稿：

http://www.editorialmanager.com/zusc

微信加群

---

为方便广大科研人员交流讨论，本平台建有以下学科微信群。有需要加群的用户，请加小编个人微信号fitee_xb，并留言想要加入的群，小编会拉您进群。营销广告人员请勿扰。

计算机科学与技术学术群	光学工程与技术学术群
控制科学与技术学术群	信息与通信学术群
电力电子学术群	人工智能学术

加关注  ID: fitee_cae

本公众号为中国工程院院刊《信息与电子工程前沿（英文）》（SCI-E、EI检索期刊）官方微信，功能包括：传播期刊的学术文章；为刊物关联学人（读者、作者、评审人、编委，等）提供便捷服务；发布学术写作、评审、编辑、出版等相关资讯；介绍信息与电子工程领域学术人物、学术思想、学术成果，展示该领域科学研究前沿进展；为该领域海内外学者提供友好互动平台。