WELL：通过弱监督学习将缺陷检测器应用于缺陷定位
软件工程
2023-06-09 v2
摘要
缺陷定位用于帮助程序员识别源代码中缺陷的位置，是软件开发中的一项关键任务。研究者已尝试利用强大的深度学习（DL）技术将其自动化。然而，训练缺陷定位模型通常具有挑战性，因为它需要大量标注了缺陷精确位置的数据，这类数据难以收集且耗时。相比之下，获取带有“源代码中是否存在缺陷”二值标签的缺陷检测数据则要简单得多。本文提出一种弱监督缺陷定位（WELL）方法，其仅使用带二值标签的缺陷检测数据来训练缺陷定位模型。通过在“有缺陷/无缺陷”二值标注数据上微调 CodeBERT，WELL 能够以弱监督方式处理缺陷定位。在三个方法级合成数据集和一个文件级真实数据集上的评估表明，WELL 在变量误用及其他编程缺陷等典型缺陷定位任务上显著优于现有 SOTA 模型。
引用
@article{arxiv.2305.17384,
title = {WELL: Applying Bug Detectors to Bug Localization via Weakly Supervised Learning},
author = {Zhuo Li and Huangzhao Zhang and Zhi Jin and Ge Li},
journal= {arXiv preprint arXiv:2305.17384},
year = {2023}
}
备注
(Preprint) Software Engineer; Deep Learning; Bug Detection & Localization