一种基于谱聚类的小样本Bug Report有效性预测方法技术

本发明专利技术涉及软件工程领域，公开了一种基于谱聚类的小样本Bug Report有效性预测方法。首先，对n个项目的全部Bug Report文本进行预处理，包括文本提取、规范化、分词、去除停用词及word2vec向量化；其次，使用谱聚类算法结合多个评估指标将项目向量聚类为k个簇C＝{C1,C2,...,Ck}；再其次，计算每个项目的干扰度指标，对簇内项目间干扰进行检测与绑定，对聚类结果进行调整，使每个簇内样本规模不小于3000与正负样本比例处于[1/1.6,1.6/1]范围内的同时，全局的标准差达到最小，最终得到调整后的m个簇C′＝{C1′,C2′,…,Cm′}；最后，对于调整后的m个簇，为每个簇单独训练CNN模型用于Bug Report有效性分类预测。训练得到m个CNN模型，使用训练好的模型预测新提交的Bug Report的有效性。本发明专利技术给出一种小规模样本项目的Bug Report有效性预测方法，此方法能有效缓解小样本项目中数据稀缺问题，提升预测准确率，具有良好的通用性与工程应用价值，能够大大提升软件维护和Bug修复的效率，节省大量人力成本，为小样本场景下的模型训练提供了新的路线。

【技术实现步骤摘要】

【】本专利技术属于人工智能与软件工程领域，涉及到机器学习、深度学习与自然语言处理技术，具体涉及基于谱聚类的小样本bug report有效性预测方法。

技术介绍

0、
技术介绍

1、开发人员都使用bug report来修复软件系统或项目的bug。bug report的提交量增长十分迅速，但是提交者可能会提交大量无效的bug report，开发人员需要筛选有效的bug report来帮助维护项目和修复bug。人工筛选效率十分低下，且传统基于监督学习的预测方法需要使用大规模bug report进行训练，在小样本项目中效果不佳。因此，如何在小样本条件下高效准确地预测bug report的有效性，成为一个亟待解决的问题。

技术实现思路

0、
技术实现思路

1、为解决上述问题，本专利技术提出一种基于谱聚类的小样本项目的bug report有效性预测方法。使用谱聚类算法将n个项目的bug report聚类为k个簇，然后使用调整策略将k个簇调整为m个簇，最后为每个簇分别训练cnn分类模型以预测bu本文档来自技高网...

【技术保护点】

1.一种基于谱聚类的小样本Bug Report有效性预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于谱聚类的小样本Bug Report有效性预测方法，其特征是所述步骤S1中对Bug Report文本进行预处理的过程包括：

3.根据权利要求1所述的一种基于谱聚类的小样本Bug Report有效性预测方法，其特征是所述步骤S2中使用谱聚类将项目聚类为若干个簇的过程包括：

4.根据权利要求1所述的一种基于谱聚类的小样本Bug Report有效性预测方法，其特征是所述步骤S3中对聚类结果进行调整的过程包括：

>5.根据权利要求1...

【技术特征摘要】

1.一种基于谱聚类的小样本bug report有效性预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于谱聚类的小样本bug report有效性预测方法，其特征是所述步骤s1中对bug report文本进行预处理的过程包括：

3.根据权利要求1所述的一种基于谱聚类的小样本bug report有效性预测方法，其特征是所述步...

【专利技术属性】
技术研发人员：马鸿，张鹏，卜傲，李慧，
申请(专利权)人：吉林大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人