基于語義知識的軟件缺陷分析關(guān)鍵技術(shù)研究

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