[发明专利]一种基于文本和开发者活跃度的软件缺陷辅助分派方法

权利要求书

1.一种基于文本和开发者活跃度的软件缺陷辅助分派方法，其特征在于，分为训练和推荐两个阶段：训练阶段，通过学习历史已经包含修复开发者的缺陷报告建立模型；预测阶段，向模型输入新的、未分派的缺陷报告，模型将输出候选开发者列表；

首先获取缺陷追踪系统中已修复的缺陷报告，对数据进行预处理，提取其文本信息，以及开发者活动序列信息；

在训练阶段，训练深度神经网络模型；将文本信息、开发者活动序列信息一同输入到一个深度神经网络中，令缺陷报告b＝(br,pc)，其中br表示文本信息，pc表示产品、模块信息；又令al表示当前时刻所有开发者的活动序列；定义函数：

subal(al,pc)

输入当前时刻开发者的活动序列全集al，以及特定的产品、模块组合pc，得到特定pc下的开发者修复序列；

随后，模型使用了两个子神经网络，提取文本信息和开发者活动序列信息的高层特征：

h_br＝G(br)

h_al＝H(subal(al,pc))

其中，G表示了利用双向循环网络加池化方法提取缺陷报告的文本特征，H表示了利用单向循环网络提取特定时刻的开发者活跃度特征；

其次，将两部分高层特征进行拼接：

c＝Combine(h_br,h_al)

函数Combine输入两个高层特征向量，输出一个经过融合的向量；

最终，对某特定开发者d的评分函数，表示为：

s_θ(d,br,subal(al,pc))＝c*w+b

其中，w为一行权重向量，b为一个特定数值，两者作为模型的参数，对于每一个开发者皆存在一组w和b；

利用历史已修复数据对此深度神经网络模型进行训练，并基于训练完成的模型进行新的缺陷报告的修复者预测。

2.如权利要求1所述的基于文本和开发者活跃度的软件缺陷辅助分派方法，其特征在于，定义预测函数F为：

F(b,al)＝argmax_d∈D(P(d|br,subal(al,pc)))

其中d、d′表示特定开发者，D表示所有开发者的集合，函数P将开发者的得分归一化，以表征开发者对缺陷报告适合程度的概率。

3.如权利要求1所述的基于文本和开发者活跃度的软件缺陷辅助分派方法，其特征在于，文本的高层特征提取过程为：

经一位有效编码的单词，输入LSTM单元；每个LSTM单元对应两个输出，一个表示当前结果；另一表示LSTM的内部状态，该状态会向后传递给其后的LSTM单元；每一个LSTM单元的表示当前结果的输出，输入到最大池化层，该层对输入向量的每一维度，输出该维度上最大的值；

文本的高层特征提取包括文本正向特征的提取、文本逆向特征的提取；正向特征以单词原本顺序输入，逆向特征则以相反的顺序输入；池化后得到的两个特征向量通过拼接，作为当前文本的高层特征。

4.如权利要求1所述的基于文本和开发者活跃度的软件缺陷辅助分派方法，其特征在于，开发者活跃度的高层特征提取，主要涉及开发者活动序列信息的获取，以及通过神经网络进行特征提取；

从缺陷报告获取开发者活动序列信息，涉及多份缺陷报告；首先，al作为当前时刻所有开发者的活动序列，需要收集当前时刻向前一段时间的开发者活动记录，并按照时间先后顺序排序，由于方法要寻找适合的开发者，故此处只关注开发者修复缺陷报告的活动记录；其次，元数据信息的使用能提高预测准确率，故本方法主要关注元数据中产品和组件的组合pc，并且只提取同当前缺陷报告相同pc下的开发者活动序列；因此，al中需要记录每条活动对应的pc，则subal在获得输入pc后，会从al中查找并返回pc相同的子序列，返回的子序列按时间顺序排列；若无法找到相应的开发者活动序列，则将开发者活动序列列表置空；

经一位有效编码的开发者，按时间顺序输入到标准的RNN单元，以最后一个标准RNN单元的输出作为活跃度的高层特征。