[发明专利]基于特征提取的开源社区Fork摘要自动生成方法、系统及介质有效

专利信息
申请号: 201911338392.1 申请日: 2019-12-23
公开(公告)号: CN111061864B 公开(公告)日: 2022-10-18
发明(设计)人: 毛新军;张超;卢遥 申请(专利权)人: 中国人民解放军国防科技大学
主分类号: G06F16/34 分类号: G06F16/34;G06F16/35
代理公司: 湖南兆弘专利事务所(普通合伙) 43008 代理人: 谭武艺
地址: 410073 湖南*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 特征 提取 社区 fork 摘要 自动 生成 方法 系统 介质
【说明书】:

发明公开了一种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,本发明针对输入的提交数据;通过预先训练好的机器学习分类模型得到对应的特性分类,并针对提交数据进行提交内容生成得到对应的提交内容;将提交数据的特性分类、提交内容生成提交摘要;根据提交摘要生成自然语言式的Fork摘要,能够基于大量的开源社区项目数据针对当前开源社区Fork信息不透明的缺陷,从开源项目中提取Fork相关的数据并进行筛选和优化提取项目贡献特征,通过机器学习的算法自动生成自然语言式的Fork摘要。

技术领域

本发明涉及开源软件开发领域,具体涉及一种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,用于基于大量的开源社区项目数据针对当前开源社区Fork信息不透明的缺陷提取项目贡献特征,通过机器学习的算法自动生成自然语言式的Fork摘要。

背景技术

在开源软件(OSS)开发中,基于Fork(复刻,又译作派生、分支))的开发已经成为群体化开发的重要组成部分。Fork的目的是对一个代码仓库进行全面复制,Fork机制允许开发者在未经作者同意的情况下复制其代码仓库。开发人员可以自由地Fork公共存储库,并在Fork的存储库中进行更改。Fork是一种开始新项目的方法。

然而,OSS社区的快速发展也给基于Fork的开发带来了一些挑战。一方面,贡献者的快速增长导致了大量的分支和贡献,尤其是很多流行的项目,这丰富了开放源码社区生态的多样性。另一方面,随着Fork数量不断增加,现有Fork可视化工具不能够维持一个好的Fork信息概览,尤其是对于单个Fork的变化。然而一个开源项目的发展离不开大量Fork数据作为参考,由于现有工具无法满足开发人员对Fork信息透明性的需求,开发人员必须依靠人工方法来检索Fork。此外,由于开发人员的经验和习惯的巨大差异,大量的Fork含有不完整的注释、不鲜明的特性和不透明的信息。这些Fork可能会在某种程度上消耗开发人员的时间和精力,使他们无法有效地理解其他开发人员基于Fork的贡献的目标和特性。因此,不透明的Fork信息和缺乏合适的工具使得手工方法很难有效地识别许多Fork,核心开发人员很难做出正确的决策。

发明内容

本发明要解决的技术问题:针对现有技术的上述问题,提供一种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,本发明能够基于大量的开源社区项目数据针对当前开源社区Fork信息不透明的缺陷,从开源项目中提取Fork相关的数据并进行筛选和优化提取项目贡献特征,通过机器学习的算法自动生成自然语言式的Fork摘要。

为了解决上述技术问题,本发明采用的技术方案为:

一种基于特征提取的开源社区Fork摘要自动生成方法,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。

可选地,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特征标签feature、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。

可选地,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:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911338392.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top