[发明专利]开源软件开发中Issue解决时间的预测方法及系统

说明书

本发明提供了一种开源软件开发中Issue解决时间的预测方法及系统，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。本发明首创性地挖掘开源软件项目的Issue的微过程模式，并用其改善对Issue解决时间的预测，为开源软件项目的管理者和用户对Issue解决模式从过程的角度带来了更深刻的理解。

技术领域

本发明涉及网络信息技术领域，具体地，涉及一种开源软件开发中Issue解决时间的预测方法及系统，尤其涉及一种基于微过程模式挖掘的开源软件开发中Issue解决时间的预测方法。

背景技术

开源软件项目中，Issue的提出、跟进和解决占据着十分重要的地位。但随着Issue积压越来越多，以及解决Issue的人员不足，导致很多Issue得不到及时解决，因此需要理解影响Issue解决的因素，并采取良好的策略来改善Issue解决的进程。Issue的解决是一个包含很多动作的群体合作过程，从过程的角度理解Issue有很多好处，例如可以找到Issue解决过程中的瓶颈、关键路径以及频繁模式等。在Issue解决的进程中，包含Issue的识别、原因分析、解决等多个阶段，而这些阶段中更详细的过程模型便称为微过程模式。知晓Issue解决的微过程模式能增强对Issue解决过程的认知，从而能指导开源项目开发成员尽力跟从更高效的微过程模式，同时也能降低Issue提出者对Issue解决时长的不确定。更重要的是，Issue微过程模式对Issue解决时间的预测也有着很大的帮助。目前的方法中均没有利用微过程模式。

专利文献CN110503235A公开了一种时间序列的预测方法，包括：获取预设历史时段内的业务量信息，其中所述业务量信息包括时间及变量；根据所述业务量信息绘制对应的散点图；选择多种预测模型的类型；将所述散点图根据所述类型分别训练对应的预测模型的参数，以分别确定所述多种预测模型；利用所述多种预测模型对所述业务量分别进行预测；将所述多个预测结果按照预设规则，赋予所述多个预测模型对应的权重；及获取待预测的时间，并根据所述时间及所述权重计算综合预测结果，以将所述综合预测结果作为最终的预测结果输出。该专利显然不能很好地适用于基于微过程模式挖掘的开源软件开发中Issue解决时间的预测中。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种开源软件开发中Issue解决时间的预测方法及系统。

根据本发明提供的一种开源软件开发中Issue解决时间的预测方法，包括：步骤1：爬取开源软件平台上的不同项目中的Issue及其相关数据组；步骤2：清洗整理原始数据并制作事件日志；步骤3：应用过程挖掘技术挖掘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。

优选地，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等；所述爬取开源软件平台上的不同项目中的Issue及其相关数据组包括：具体爬取故障维修类型的Issue。

优选地，所述步骤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一些事件，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，并由所组合的所有记录集合成事件日志。

优选地，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，根据最常见的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。