基于遗传算法的函数级别软件错误定位

针对软件开发过程中的错误定位问题,提出一种以函数调用路径和遗传算法为基础的软件错误定位方法FGAFL。将软件测试中的错误定位问题转化为组合优化问题,结合函数调用路径对错误定位的影响构建适应度函数。通过遗传算法在候选种群中迭代搜索具有较高可疑度的候选错误分布,得到最优解。根据最优解对程序中的函数按可疑度进行排序,依次检查函数并定位错误的具体位置。实验表明,FGAFL方法可以有效降低运算量并缩减代码审查的范围,提高错误定位的精度和效率。

基于条件概率的错误定位方法

有效的软件调试是保证软件可靠性的关键。调试旨在发现程序中存在的错误并进行修复,其中错误定位最为烦琐,针对目前性能优异的基于程序频谱的定位方法展开研究。为了能直观地表现程序频谱与执行结果之间的联系,结合条件概率的思想对这种联系进行量化分析,并基于条件概率模型的特征提出了一种新的可疑度计算公式CPStar,该方法采用了不确定性系数Star,通过调节系数的大小提高公式的可用性,可以有效修正成功测试用例的数量对定位效果的不利影响。实验结果表明,提出的CPStar方法可以在一定程度上提高错误定位的准确性与效率,其定位效果优于其他方法。

命名实体识别方法研究进展

命名实体识别是自然语言处理领域中非常重要的基础任务,近年来,由于机器学习的发展以及深度学习在文本处理方面的应用,命名实体识别的研究取得进一步的发展。为了了解近几年来命名实体识别方法的研究进展,介绍命名实体识别的研究内容与涉及领域,重点详细介绍近几年命名实体识别研究的主要技术方法并进行分析,对BLSTM-CRF模型进行实验。

基于数据挖掘技术的竞争情报理论研究

数据挖掘技术是从大量的数据中自动搜索隐藏在其中的有着特殊联系的信息和知识的过程。随着信息技术的不断发展,其数据量也越来越多,数据挖掘就是为顺应这种需要而发展起来的数据处理技术,为竞争情报理论的发展起到了促进的作用。本文对基于数据挖掘技术的竞争情报理论进行了概述,并对竞争情报系统进行了分析。