[发明专利]软件故障严重等级判定方法及装置、模型训练方法及装置

权利要求书

1.一种软件故障严重等级判定模型训练方法，其特征在于，包括：

根据软件故障的故障数据，训练多个不同的基于最大熵理论的故障判断模型；

根据软件故障的故障信息，训练多个不同的基于最大熵理论的故障判断模型，包括：

获取各种软件故障的故障属性；对获取到的不同种类的故障属性赋予不同属性权重；为了区别不同种类的属性中出现相同的词，将每个词前面加上故障属性名作为前缀；

将所述故障属性转换为故障特征向量；

利用所述故障特征向量，训练多个基于最大熵理论的故障判断模型，借鉴随机森林的思想，从故障属性中选取不同的属性子集，利用属性子集训练不同的模型；

基于代价敏感错误率分析软件故障严重等级判定错误的代价。

2.根据权利要求1所述的软件故障严重等级判定模型训练方法，其特征在于，摘要种类的故障属性被赋予属性权重3，发现时间种类的故障属性被赋予属性权重1，软件版本种类的故障属性被赋予属性权重1，描述种类的故障属性被赋予属性权重2，主题种类的故障属性被赋予属性权重2，注释种类的故障属性被赋予属性权重1。

3.根据权利要求1所述的软件故障严重等级判定模型训练方法，其特征在于，基于独热编码，将所述故障属性转换为故障特征向量，包括：

判断是否需要对获取到的所述故障属性进行分词及去停用词；

对通过分词获取到的词序列进行独热编码。

4.一种软件故障严重等级判定方法，其特征在于，包括：

利用多个基于最大熵理论的故障判断模型对故障进行实时预测；对获取到的不同种类的故障属性赋予不同属性权重；为了区别不同种类的属性中出现相同的词，将每个词前面加上故障属性名作为前缀；其中，所述故障判断模型借鉴随机森林的思想，从故障属性中选取不同的属性子集，利用属性子集训练不同的模型；将所述故障属性转换为故障特征向量；

对多个所述故障判断模型的实时预测结果进行加权平均，得到对软件故障的故障等级判断；

基于代价敏感错误率分析软件故障严重等级判定错误的代价。

5.根据权利要求4所述的软件故障严重等级判定方法，其特征在于，对多个所述故障判断模型的实时预测结果进行加权平均，得到对软件故障的故障等级判断，包括：

根据如下计算公式进行加权平均，以得到对软件故障的故障等级判断：

其中，w_i是模型i的权重，h_i(x)是模型的预测结果。

6.根据权利要求5所述的软件故障严重等级判定方法，其特征在于，模型i的权重通过如下公式学习得到：

其中，模型i在测试数据集j中的准确率是c_ij。

7.一种软件故障严重等级判定模型训练装置，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至3任意一项所述的软件故障严重等级判定模型训练方法。

8.一种软件故障严重等级判定装置，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现权利要求4至6任意一项所述的软件故障严重等级判定方法。