基于樸素貝葉斯分類器的軟件編譯測試分析方法

袁彬

摘 要：本文介紹了一種針對嵌入式軟件開發(fā)包SDK的編譯測試的優(yōu)化方法，通過樸素貝葉斯分類器，可以迅速在編譯出錯的日志文件中，分析出最有價值的錯誤信息，節(jié)省測試結(jié)果的分析時間和成本。

關(guān)鍵詞：貝葉斯 文本分類自然語言處理 嵌入式軟件 編譯測試

引言

目前主流的嵌入式微控制器（MCU）廠商都提供了上千款不同的芯片，為了給客戶提供統(tǒng)一的軟件使用體驗(yàn)，并方便移植和升級，他們各自都提供了統(tǒng)一的軟件開發(fā)包Software Development Kit（SDK），如恩智浦的MCUXpresso-SDK。

由于不同的芯片公用了底層的外設(shè)驅(qū)動軟件庫，一旦底層軟件庫有一些編譯問題，會給上層的應(yīng)用程序帶來大量的編譯錯誤。如何從大量編譯錯誤日志文件中，自動識別出有價值的編譯錯誤信息，以節(jié)省軟件編譯測試的分析時間和成本，是本文研究的重點(diǎn)。

1.樸素貝葉斯分類器

樸素貝葉斯分類方法是一種簡單有效的概率分類方法[1]，是以貝葉斯定理為理論基礎(chǔ)，一種在已知先驗(yàn)概率與條件概率的情況下的模式識別方法[2]。樸素貝葉斯的“樸素”得名于條件獨(dú)立性和位置獨(dú)立性兩個基本假設(shè)[3]，雖然實(shí)際情況各條件并非完全獨(dú)立，但是在分類決策中的效果非常好，因此得到廣泛應(yīng)用。

樸素貝葉斯分類器的核心思想是根據(jù)已有的先驗(yàn)概率，來計算新的文本屬于每個類別的概率，其公式如下：

其中，C = {c1， c2， …， Cn}是一個類別集，P（cx）是文本s屬于類別cx的先驗(yàn)概率， 是文本s的詞項(xiàng)，ns 是s中所有詞項(xiàng)的數(shù)量。在已知文本s屬于每個cx的先驗(yàn)概率后，需要找出新的文本s最有可能的類別，對于樸素貝葉斯的方法而言，就是最大后驗(yàn)概率（maximum a posteriori，map）的類別。

2.訓(xùn)練方案

由上述樸素貝葉斯分類器的思想可知，要想得到某一行編譯日志是否是最有價值的錯誤信息，需要先對所有已知的編譯日志進(jìn)行訓(xùn)練，以得到對應(yīng)類別的先驗(yàn)概率。

這邊將類別劃分成兩類，第一類A，是編譯錯誤日志類別；第二類B，是編譯正確日志類別。將所有已知的錯誤日志所包含的詞項(xiàng)進(jìn)行訓(xùn)練，得到詞項(xiàng)對應(yīng)的先驗(yàn)概率。接著就可以對新的日志每一行的詞項(xiàng)進(jìn)行分析，得到編譯錯誤類別的后驗(yàn)概率，其概率最高者，就是最有可能是最有價值的編譯錯誤信息。具體流程如下圖：

小結(jié)

樸素貝葉斯分類器分類精度較高，是一個十分實(shí)用的分類器。但是其結(jié)果的準(zhǔn)確率與先驗(yàn)概率的訓(xùn)練集有很大的關(guān)系，也就是說要想獲得更加準(zhǔn)確的編譯日志分類結(jié)果，需要借助更多的已有的編譯出錯日志文件，進(jìn)行訓(xùn)練。隨著訓(xùn)練集的擴(kuò)大和累積，可以獲得非常理想的預(yù)期結(jié)果，大大提升了嵌入式軟件編譯測試中分析效率。

參考文獻(xiàn)：

[1] 袁方，苑俊英. 基于類別核心詞的樸素貝葉斯中文文本分類 [J]. 山東大學(xué)學(xué)報 （理學(xué)版），2006（41） ：46

[2] 李靜梅，孫麗華，張巧榮，張春生. 一種文本處理中的樸素貝葉斯分類器 [J]. 哈爾濱工程大學(xué)學(xué)報，2003（24） ：71

[3] 賀鳴，孫建軍，成 穎. 基于樸素貝葉斯的文本分類研究綜述 [J]. 情報科學(xué)，2016（34）：148