软件缺陷预测技术能够辅助开发者发现潜在的软件缺陷,并降低发现缺陷所需的开销。传统软件缺陷预测方法通常利用软件度量元信息(代码行数、控制流圈复杂度等)作为特征来构建机器学习模型,预测有缺陷的软件模块。然而这种方法的缺点在于软件度量元中不包含软件的语法结构信息和语义信息。本文提出了一种使用词嵌入和深度学习技术以学习程序语义信息,进而预测程序中缺陷的方法Seml(Semantic LSTM model)。本方法首先从源码的抽象语法树中按顺序抽取特定结点token,组成一个token序列,然后利用一个无监督训练得到的词嵌入模型,将每个token映射为一个定长的实值向量。在将每个样本的token序列转换为向量序列后,本方法利用训练集的向量序列和它们的标签(是否包含缺陷)来构建基于长短期记忆网络的缺陷预测模型。长短期记忆网络模型能够从序列中自动学习token的顺序关系,从而习得程序的语义信息。在PROMISE数据集的8个开源项目上进行的一系列实验表明,相比于现有的基于深度学习的缺陷预测方法以及目前先进的基于度量元的缺陷预测方法(DBN方法,tb-LSTM方法和ISDA方法),本文提出的方法在项目内和跨项目缺陷预测中均有更好的表现。具体来说,对于项目内缺陷预测,Seml比DBN方法、tb-LSTM方法和ISDA方法的平均F1值分别提高了2.1%,4.3%和9.6%;对于跨项目缺陷预测,Seml分别比上述三种方法的平均F1值提高了3.5%,0.8%和5.6%。此外,对本文token嵌入步骤的评估结果表明,利用词嵌入模型训练得到的token向量能够有效地对程序语义信息进行表示,因此本文的token嵌入步骤有助于Seml缺陷预测效果的提升。