[发明专利]开源软件开发中Issue解决时间的预测方法及系统

权利要求书

1.一种开源软件开发中Issue解决时间的预测方法，其特征在于，包括：

步骤1：爬取开源软件平台上的不同项目中的Issue数据组；

步骤2：清洗整理原始数据并制作事件日志；

步骤3：挖掘Issue解决过程的两阶段中的频繁模式；

步骤4：利用Issue动态和静态特征构建Issue解决模式动态预测模型，基于模式信息构建动态Issue解决时间预测模型；

步骤5：获取开源软件开发中Issue解决时间的预测结果信息；

所述步骤4包括：

步骤4.1：从源数据中挖掘与Issue两阶段模式相关的静态特征，按日历习惯在不同的时间戳上挖掘与两阶段模式相关的动态特征；所挖掘出的特征可以分为Issue特征、Issue创建者特征和项目特征3类；

步骤4.2：以在不同的时间戳上应用不同的机器学习方法训练不同的模型；

步骤4.3：应用微平均F1-score和宏平均F1-score对不同的分类器性能进行评估和比较；

步骤4.4：从源数据中挖掘与Issue解决时间相关的静态特征，按日历习惯在不同的时间戳上挖掘与两阶段模式相关的动态特征，同时加入Issue解决模式动态预测模型所预测的各模式的概率信息；

步骤4.5：在不同的时间戳上应用不同的机器学习方法训练不同的模型；

步骤4.6：应用微平均F1-score和宏平均F1-score对不同的分类器性能进行评估和比较；

所述利用Issue动态和静态特征构建Issue解决模式动态预测模型包括特征选择、模型训练和模型评估；

所述基于模式信息构建动态Issue解决时间预测模型包括：特征选择、模型训练和模型评估。

2.根据权利要求1所述的开源软件开发中Issue解决时间的预测方法,其特征在于，所述步骤1包括：

步骤1.1：通过开源软件平台上Issue的标记进行筛选，爬取Issue的基本信息、回复信息、事件信息以及作者信息；

所述爬取开源软件平台上的不同项目中的Issue数据组包括：爬取故障维修类型的Issue。

3.根据权利要求1所述的开源软件开发中Issue解决时间的预测方法,其特征在于，步骤2包括：

步骤2.2：以爬取的Issue事件信息为基础，加上开始和结束事件，依据开源平台的规则合并事件，最后以Issue的Id、事件名称以及事件发生的时间组合成一条记录，并由所组合的记录集合成事件日志。

4.根据权利要求1所述的开源软件开发中Issue解决时间的预测方法,其特征在于，所述步骤3包括：

步骤3.1：将所制作出的事件日志作为输入文件，应用过程挖掘技术得到分析结果，根据Issue解决路径将Issue解决过程分为两个阶段，并在两阶段中应用过程挖掘技术分别挖掘频繁模式；共挖掘出第一阶段4种模式，第二阶段5种模式。