[发明专利]基于特征提取的开源社区Fork摘要自动生成方法、系统及介质

权利要求书

1.一种基于特征提取的开源社区Fork摘要自动生成方法，其特征在于实施步骤包括：

1）获取输入的提交数据；

2）将提交数据通过预先训练好的机器学习分类模型得到起对应的特性分类，并针对提交数据进行提交内容生成得到对应的提交内容；

3）将提交数据的特性分类、提交内容生成提交摘要；

4）根据提交摘要生成自然语言式的Fork摘要；

步骤2）之前还包括训练机器学习分类模型的步骤，详细步骤包括：

S1）进行数据预处理：首先分别对问题数据中含有链接的数据、重复问题数据、非标准格式数据进行清洗，对含有指定特殊字段的问题数据进行标记和停止单词删除；然后对剩余的问题数据标记为问题标签feature、没有问题标签bug、贡献contribution三种特性分类标签；

S2）将预处理后的问题数据转换为多维向量；

S3）将转换得到的多维向量及其对应的特性分类标签训练机器学习分类模型。

2.根据权利要求1所述的基于特征提取的开源社区Fork摘要自动生成方法，其特征在于，步骤S2）将预处理后的数据转换为多维向量的详细步骤包括：

S2.1）对预处理后的问题数据进行文本特征提取得到数据中单词的单词频率计数矩阵；

S2.2）采用词频统计方法TF-IDF评估单词频率计数矩阵中每一个单词的权重，将权重将单词频率矩阵转换得到TF-IDF矩阵形式的多维向量。

3.根据权利要求1所述的基于特征提取的开源社区Fork摘要自动生成方法，其特征在于，所述机器学习分类模型为基于随机森林的机器学习分类模型。

4.根据权利要求1所述的基于特征提取的开源社区Fork摘要自动生成方法，其特征在于，步骤2）中针对提交数据进行提交内容生成得到对应的提交内容具体是指将提交数据采用提取关键词算法生成对应的提交内容。

5.根据权利要求1所述的基于特征提取的开源社区Fork摘要自动生成方法，其特征在于，步骤3）中根据提交特征的分类、生成的提交内容生成提交摘要具体是指采用指定的模板来生成包含提交特征的分类、生成的提交内容的提交摘要，所述指定的模板包括下述信息：@ commiti表示Fork中的第i个提交；@author表示提交者；@feature是得到的提交特征的分类，包含问题标签feature、没有问题标签bug、贡献contribution三种特性分类标签；@content是得到的提交内容；@status是从提交中提取的状态信息；@change是从提交中提取的改变信息。

6.根据权利要求1所述的基于特征提取的开源社区Fork摘要自动生成方法，其特征在于，步骤4）的详细步骤包括：

3.1）将多个提交摘要数据打散分类、重新统计，分别得到问题标签feature、没有问题标签bug、贡献contribution三种特性分类标签所对应的提交摘要的内容和数量；

3.2）按照预设的规则将得到特征标签feature、问题标签bug、贡献contribution三种特性分类标签所对应的提交摘要放在Fork摘要模板的相应位置并获得最终的Fork摘要。