一种面向单元测试的多类别向量知识库构建与检索方法与流程

摘要: 本发明涉及软件工程,具体为一种面向单元测试的多类别向量知识库构建与检索方法。背景技术:1、在软件开发生命周期中,单元测试是保障代码质量的基础环节,随着软件系统业...
一种面向单元测试的多类别向量知识库构建与检索方法与流程

本发明涉及软件工程,具体为一种面向单元测试的多类别向量知识库构建与检索方法。

背景技术:

1、在软件开发生命周期中,单元测试是保障代码质量的基础环节,随着软件系统业务复杂度的提升,当单元测试出现异常时,开发人员需要结合报错日志排查代码缺陷,为提高缺陷排查效率,业内常构建基于历史异常记录的检索系统,通过匹配历史相似错误案例来推荐修复方案。

2、现有的单元测试排查方法多依赖纯文本扫描与关键字匹配,主要通过对报错堆栈日志进行字符串比对来查找历史记录,但是纯文本匹配方式无法感知代码内部的控制流拓扑逻辑与实际执行路径,难以精准定位代码结构层面的缺陷,导致最终的错误根因推荐准确率偏低。

3、为提取代码的结构特征,部分技术方案引入图神经网络,将代码转换为图结构并提取稠密特征向量进行相似度计算,但是在面对大规模数据知识库时,直接在全局范围内进行高维稠密特征的距离度量会导致计算开销过大以及系统检索耗时长,同时,现有基于图神经网络的检索方法往往仅关注代码自身的结构相似性,忽略软件微服务框架版本以及底层依赖库配置等工程环境差异对程序运行状态的干扰,当历史记录中的工程配置环境与当前用户的实际开发环境不匹配时,检索输出的修复代码在应用后产生兼容性冲突,降低修复推荐的实际可用性。

技术实现思路

1、针对现有技术的不足,本发明提供了一种面向单元测试的多类别向量知识库构建与检索方法,解决了单元测试异常排查方法未结合代码控制流拓扑且未考虑工程环境配置差异,导致检索计算开销大、推荐准确率低以及会产生环境兼容冲突的问题。

2、为实现以上目的,本发明通过以下技术方案予以实现:

3、本发明提供一种面向单元测试的多类别向量知识库构建与检索方法,包括以下步骤:

4、获取历史单元测试记录,并且分离提取工程配置文件与原始测试代码以及异常堆栈日志,分别生成环境依赖稀疏向量与异常拓扑复合稠密向量,进而构建结构化三元组数据存入多类别知识库并建立静态混合索引;

5、接收实时排查请求,并且在线解析查询请求中的工程配置文件与报错代码,接着提取查询请求的环境依赖稀疏向量与查询请求的异常拓扑复合稠密向量;

6、基于底层标量位运算与静态混合索引将查询请求的环境依赖稀疏向量与多类别知识库中的环境依赖稀疏向量进行比对执行布尔条件预过滤生成局部数据空间,基于查询请求的异常拓扑复合稠密向量执行基础相似度遍历,进而生成基础召回候选集;

7、提取查询请求的环境依赖稀疏向量与基础召回候选集中各候选记录的环境依赖稀疏向量的差异残差,接着通过映射操作生成动态注意力衰减掩码;

8、利用动态注意力衰减掩码对基础召回候选集内记录的异常拓扑复合稠密向量进行权重衰减惩罚,进而计算重排相似度并根据重排相似度输出检索结果。

9、本发明通过分离提取工程环境配置与代码结构日志,独立构建稀疏与稠密两套向量表达结构,在排查阶段,利用底层按位逻辑运算机制执行布尔条件预过滤,提前剔除环境不兼容的记录,缩小后续高维向量距离测算的计算规模,针对基础召回候选集,系统提取环境配置层面的差异残差生成注意力掩码,对稠密特征向量实施定向的权重衰减惩罚,消除软件环境版本不一致对代码拓扑语义匹配产生的干扰,从而提升检索计算响应效率并保证输出修复记录的工程兼容性与准确度。

10、优选的,所述分别生成环境依赖稀疏向量与异常拓扑复合稠密向量的步骤包括:利用局部敏感哈希算法将包含依赖项及版本号信息的离散环境配置标签集合进行降维映射,进而生成环境依赖稀疏向量;提取原始测试代码对应的抽象语法树以生成控制流图,并将异常堆栈日志的异常属性注入控制流图生成异常属性图;将异常属性图输入至图卷积神经网络模型中进行复合图嵌入操作,提取节点特征以生成异常拓扑复合稠密向量。

11、通过局部敏感哈希算法将离散的环境标签转换为适于处理器硬件底层计算的布尔型数据结构,将异常属性注入控制流图并利用图卷积神经网络进行编码映射,使生成的稠密向量能够同时表征代码执行逻辑路径与报错触发节点的结构关联特征。

12、优选的,所述提取原始测试代码对应的抽象语法树以生成控制流图,并将异常堆栈日志的异常属性注入控制流图生成异常属性图的步骤包括:依据抽象语法树提取代码节点的控制流向边以生成控制流图;将异常堆栈日志中提取的异常代码行号作为节点坐标并在控制流图中进行寻址比对,匹配定位至目标触发节点;将异常堆栈日志中提取的异常类型通过预训练的词嵌入模型转换为语义特征向量,拼接注入至目标触发节点的初始特征矩阵中,从而输出带有异常语义特征的异常属性图。

13、通过抽象语法树的节点流向边反映程序的真实控制流,结合异常行号的坐标定位机制,将通过文本嵌入模型转换得到的报错语义特征直接关联至触发错误的代码节点,实现异常文本语义与代码空间拓扑结构的对齐。

14、优选的,将所述异常属性图输入至图卷积神经网络模型中进行复合图嵌入操作,提取节点特征以生成异常拓扑复合稠密向量的步骤包括:将导致相同错误的异常属性图作为正样本对,并且将导致不同错误的异常属性图作为负样本对;将正样本对与负样本对输入图卷积神经网络中执行前向传播获取对应的初始稠密向量;利用对比损失函数计算特征向量空间的距离差异,使正样本对在向量空间中的欧几里得距离尽可能小,同时使负样本对之间的距离大于设定的边距阈值,并通过反向传播算法迭代更新网络参数对图卷积神经网络模型进行训练;将异常属性图输入至训练固化的图卷积神经网络模型中进行复合图嵌入操作,生成异常拓扑复合稠密向量。

15、引入对比学习机制构建网络训练范式,促使图卷积神经网络在向量空间中缩减同类错误的特征距离并扩大异类错误的特征距离,增强特征提取网络对代码异常拓扑结构的边界划分能力。

16、优选的,所述构建结构化三元组数据存入多类别知识库并建立静态混合索引的步骤包括:将具有关联关系的环境依赖稀疏向量与异常拓扑复合稠密向量及历史单元测试记录组合构建为结构化三元组数据,并存入多类别知识库;针对结构化三元组数据中的环境依赖稀疏向量建立标量数据匹配过滤的倒排索引,同时针对结构化三元组数据中的异常拓扑复合稠密向量建立多维空间距离度量的近似最近邻图索引,以建立静态混合索引。

17、针对异构特征数据建立分层索引架构,倒排索引支撑高并发的标量过滤筛选,近似最近邻图索引支撑多维稠密空间的距离测算,构成双轨制的底层查询调度基础。

18、优选的,所述基于底层标量位运算与静态混合索引将查询请求的环境依赖稀疏向量与多类别知识库中的环境依赖稀疏向量进行比对执行布尔条件预过滤生成局部数据空间的步骤包括:提取静态混合索引的倒排索引中记录的候选环境依赖稀疏向量;调用硬件处理器的按位与指令将查询请求的环境依赖稀疏向量与候选环境依赖稀疏向量进行逐位逻辑运算;对逻辑运算输出序列中数值为1的比特位数量进行累加统计得到环境兼容性得分;剔除环境兼容性得分小于兼容性阈值的候选记录,保留环境兼容性得分大于或等于兼容性阈值的候选记录构建检索操作的局部数据空间。

19、应用处理器底层的按位与逻辑指令替代浮点运算完成环境特征比对,利用位状态累加直接量化环境重合程度,结合阈值判定快速过滤框架版本不兼容的无效记录,限制后续阶段进入稠密计算通道的数据体量。

20、优选的,所述基于查询请求的异常拓扑复合稠密向量执行基础相似度遍历,进而生成基础召回候选集的步骤包括:依据静态混合索引中的近似最近邻图索引提取局部数据空间保留的候选记录对应的异常拓扑复合稠密向量;计算查询请求的异常拓扑复合稠密向量与各个提取出的异常拓扑复合稠密向量之间的余弦相似度;按照余弦相似度数值从大到小的顺序对局部数据空间内的候选记录执行排序,截取降序序列中处于头部常数容量边界内的记录生成基础召回候选集。

21、在经历降维的局部数据空间内执行浮点向量的余弦相似度计算,提取具有代码拓扑相似性的记录集合,完成多模态检索流程的前置数据召回操作。

22、优选的,所述提取查询请求的环境依赖稀疏向量与基础召回候选集中各候选记录的环境依赖稀疏向量的差异残差,接着通过映射操作生成动态注意力衰减掩码的步骤包括:调用底层处理器的按位异或指令对查询请求的环境依赖稀疏向量与各候选记录的环境依赖稀疏向量执行逐位逻辑运算,进而提取离散的差异残差;将提取出的差异残差输入至预先配置完毕的预训练模型中,通过线性投影层进行线性变换操作将差异残差投影至与异常拓扑复合稠密向量相同的维度空间;调用非线性激活函数对线性变换输出的结果进行数值转换操作,强制约束特征维度上的数值在连续区间内,进而通过映射操作生成动态注意力衰减掩码。

23、按位异或运算精确定位查询端与候选端在环境配置标签上的分歧位置,通过线性投影将布尔分歧映射至稠密特征的多维空间内,结合激活函数的数值边界约束,将离散的环境差异量化为连续维度的惩罚系数掩码。

24、优选的,利用所述动态注意力衰减掩码对基础召回候选集内记录的异常拓扑复合稠密向量进行权重衰减惩罚的步骤包括:将生成的动态注意力衰减掩码分别与查询请求的异常拓扑复合稠密向量以及基础召回候选集内记录的异常拓扑复合稠密向量执行哈达玛乘积运算;依据哈达玛乘积运算结果对受环境差异影响较大的特征权重进行数值衰减,输出惩罚后的修正查询稠密向量与修正候选稠密向量。

25、哈达玛乘积运算实现向量张量的逐元素相乘比例缩放,降低关联环境版本差异的代码拓扑特征维度的权重,阻断框架版本不同导致的代码逻辑误判。

26、优选的,所述计算重排相似度并根据重排相似度输出检索结果的步骤包括:计算修正查询稠密向量与各个修正候选稠密向量之间的余弦相似度,作为重排相似度;依据计算得到的重排相似度对基础召回候选集内的候选记录执行二次降序排列,并剔除重排相似度小于重排相似度召回截断阈值的无效记录;截取有效降序序列中排列在首位的记录提取对应的结构化三元组数据,最后反馈历史原始测试代码与异常堆栈日志完成检索操作。

27、依据特征形变惩罚后的稠密向量重新执行相似度距离度量,排除底层依赖环境差异对计算精度的干扰,确保最终输出首位推荐的修复记录具有较高的代码对齐度与环境适配度。

28、本发明提供了一种面向单元测试的多类别向量知识库构建与检索方法。具备以下有益效果:

29、1、本发明通过构建环境依赖稀疏向量并结合静态混合索引中的倒排索引,在检索初期利用硬件处理器的按位与指令执行布尔条件预过滤,直接利用位状态累加量化环境兼容性得分,能够提前剔除环境配置不匹配的历史记录,限制进入高维稠密特征距离测算阶段的数据体量,降低检索过程中的全局计算开销并缩短系统响应时间。

30、2、本发明将异常堆栈日志提取的报错行号与语义特征注入由抽象语法树生成的控制流图中,并利用图卷积神经网络进行复合图嵌入操作生成异常拓扑复合稠密向量,实现异常文本语义与代码内部控制流拓扑结构的物理对齐,配合对比学习训练机制,增强模型对不同代码异常拓扑结构的区分度,解决纯文本扫描无法感知代码执行逻辑导致的推荐准确率偏低问题。

31、3、本发明针对基础召回阶段保留的候选记录,通过按位异或指令提取环境配置标签的差异残差,进而映射生成动态注意力衰减掩码,利用哈达玛乘积运算将衰减掩码作用于异常拓扑复合稠密向量,对关联环境差异的代码拓扑特征维度实施权重惩罚,机制阻断软件框架版本不同造成的代码逻辑误判,保证最终依据重排相似度输出的检索结果在用户当前开发环境中具备良好的工程兼容性。