基于注意力机制的软件质量预测方法、系统、设备及介质技术方案

本发明专利技术公开了基于注意力机制的软件质量预测方法、系统、设备及介质,包括：按固定时间间隔获取一个历史项目软件生命周期中的各项测试度量元数据，并进行预处理，得到预处理后的度量元数据；通过注意力机制动态学习影响权重，得到加权度量元数据；根据加权度量元数据,训练GRU网络预测模型；采用训练好的GRU网络预测模型对新项目的软件质量进行预测，得到新项目质量等级。本发明专利技术通过注意力机制学习多种类型度量元对预测结果的作用效果，动态调整度量元权值，达到降噪、提高关键特征对预测结果正向作用的目的；通过深度学习模型GRU学习加权度量元特征的全局依赖关系，结合交叉熵损失函数反向训练深度学习模型，提高软件质量预测准确率。确率。确率。

【技术实现步骤摘要】
基于注意力机制的软件质量预测方法、系统、设备及介质


[0001]本专利技术涉及智能测试领域，具体涉及基于注意力机制的软件质量预测方法、系统、设备及介质。

技术介绍

[0002]随着软件开发领域的不断发展，软件规模不断增长，对软件质量进行全程管控能有效避免软件失效带来的损失。传统软件评估方式通过制定软件质量评估体系，在测试过程中采集度量指标的测试值，再根据度量方法计算得出度量指标的度量值，最后对所有度量值进行加权求和用于评估软件质量。以上现有技术的软件质量评估是对已完成软件的一次静态统计评估,然而，软件质量评估的发生于整个软件生命周期中，是一个动态预测的过程，而不是对已完成软件的一次静态统计评估。因此，如何在整个软件生命周期的各个阶段对软件质量做出客观准确评估是软件质量领域研究的重点问题。
[0003]总之，现有技术中存在静态质量预测的问题和多维度量元无法动态调整影响评估结果权重，且软件质量预测准确率不高等问题。

技术实现思路

[0004]本专利技术所要解决的技术问题是现有软件质量预测中存在静态质量预测的问题和多维度量元无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于注意力机制的软件质量预测方法，其特征在于，该方法包括：按固定时间间隔获取一个历史项目软件生命周期中的各项测试度量元数据，并进行预处理，得到预处理后的度量元数据；根据所述预处理后的度量元数据，通过注意力机制动态学习影响权重，得到加权度量元数据；根据所述加权度量元数据,训练GRU网络预测模型；采用训练好的GRU网络预测模型对新项目的软件质量进行预测，得到新项目质量等级。2.根据权利要求1所述的基于注意力机制的软件质量预测方法，其特征在于，所述度量元数据包括测试过程分析数据和开发过程历史数据。3.根据权利要求2所述的基于注意力机制的软件质量预测方法，其特征在于，所述测试过程分析数据包括模块缺陷密度、提测阶段缺陷数、试运行阶段缺陷数、回归阶段缺陷数、各级别严重程度缺陷数、人员异动率、个人工单耗时和人均测试点数；所述开发过程历史数据包括冒烟阶段缺陷数、修改代码行数、新增数据库表及字段数、关联服务数和版本间隔时间。4.根据权利要求1所述的基于注意力机制的软件质量预测方法，其特征在于，所述预处理的方式，包括：清洗度量元数据中的异常值；并对所有类型的度量元数据进行向量化和标准化处理。5.根据权利要求1所述的基于注意力机制的软件质量预测方法，其特征在于，根据所述预处理后的度量元数据，通过注意力机制动态学习影响权重，得到加权度量元数据，包括：通过深度学习框架TensorFlow构建注意力机制；把所述预处理后的度量元数据输入至构建的注意力机制中，通过所述注意力机制学习多种类型度量元对预测结果的作用效果，动态调整度量元权值，得到加权度量元数据。6.根据权利要求1所述的基于注意力机制的软件质量预测方法，其特征在于，所述训练GRU网络预测模型，包括：将加权度量元数据以每一个时间步输入至GRU...

【专利技术属性】
技术研发人员：李颖，黄勇，李剑，朱小兵，雷望，
申请(专利权)人：四川新网银行股份有限公司，
类型：发明
国别省市：