Software defect prediction based on gated hierarchical LSTMs
简单讲一下各个代码文件作用和运行步骤(以下仅以"ant"项目为例,其他项目虽然代码中有,但是项目本身我没放上来)
1.首先通过“parse_ast.py”提取对应项目版本的AST序列,生成两部分,一部分是"corpus"文件夹下的语料库,另一部分是“sequence_and_label”文件夹下的AST序列-标签对,以方便后续进一步处理。
2.通过“GloVe”下的"demo.sh"生成基于GloVe方法的词向量模型,由于测试集的词向量是由训练集的词向量模型生成的,所以“ant”项目的1.7版本词向量模型无需生成。这里最好放在linux服务器上进行,在本地可能会出现bug,词向量模型存放在“GloVe/models”下。
3.运行“GloVe/models”下“glove_title.py“文件。这里解释一下,我们后续是通过“gensim.models.KeyedVectors.load_word2vec_format”方法加载词向量模型,这个word2vec的方法与GloVe生成的词向量模型不太兼容,解决方法很多,我们这里就是简单的在文件开头写上词向量模型的词数和维度,让这个方法可以正确识别词向量模型。
4.运行"train_test_sets_generation.py"文件生成训练集和测试集,生成结果我打包上传了,下载解压既可。
5.执行“GH-LSTM.py”程序进行训练。这里还有一个很大的坑,就是我们之前做实验是直接保存模型的,但是TensorFlow有bug,某些你自定义的层会无法保存,导致加载模型时会丢失参数,所以我们现在是直接保存训练结束后的预测结果。这个bug已经有不少人报告过,不知道现在有没有被解决。