[发明专利]一种基于缺陷报告摘要中词性信息的严重程度预测方法

权利要求书

1.一种基于缺陷报告摘要中词性信息的严重程度预测方法，其特征在于，包括如下步骤：

S1：从缺陷报告跟踪系统中搜集已标记严重程度且严重程度为Blocker、Critical、Major、Minor、Trivial和Enhancement的缺陷报告，将严重程度为Blocker、Critical、Major的缺陷报告对应严重程度统一设置为“严重”类型，将严重程度为Minor、Trivial、Enhancement的缺陷报告对应严重程度统一设置为“不严重”类型，针对所搜集缺陷报告的摘要进行文本预处理，具体包括：分词、停顿词移除与词形还原，得到词根形式的分词；

S2：基于OntoNotes5语料库、GloVe Common Crawl语料库和所述分词组成的大规模文本语料库，使用卷积神经网络模型进行训练，训练出Spacy模型；

S3：对各缺陷报告进行筛选提炼，得到初始数据集D_org；

S4：针对所述初始数据集D_org，进行数据集扩充，获得扩充后的训练数据集D_train；

S5：基于步骤S2训练得到的Spacy模型，将训练数据集中各缺陷报告的摘要表示并替换为对应向量；针对单个分词，使用Spacy词向量对其进行相应分词的词向量表示，累加该缺陷报告摘要所包含的所有分词的对应词向量并求平均，得到相应缺陷报告摘要的对应向量；

S6：基于所述训练数据集D_train，采用逻辑回归分类方法，构建缺陷报告严重程度预测模型M；

S7：针对项目内需要进行严重程度预测的新的缺陷报告，对其摘要进行文本预处理后，仅保留其中词性为动词和名词的分词，通过Spacy模型生成其摘要所对应的向量，并累加该缺陷报告摘要所包含的所有分词的对应词向量并求平均，输入步骤S6所构建的缺陷报告严重程度预测模型M，得到其严重程度。

2.根据权利要求1所述的基于缺陷报告摘要中词性信息的严重程度预测方法，其特征在于，所述步骤S3中对各缺陷报告进行筛选提炼，得到初始数据集D_org，具体包括如下步骤：

S301：定义一个空的数据集D_org，并从步骤S1中所述的摘要经过文本预处理，严重程度被统一设置后的缺陷报告集中取出第一份缺陷报告；

S302：对取出的缺陷报告，基于步骤S2训练得到的Spacy模型，分析得到其摘要中所含各分词的词性，并对其摘要进行筛选提炼，保留其中词性为动词和名词的分词，保留词性为动词和名词的分词；

S303：针对该取出的缺陷报告生成新的实例，该实例包括其在步骤S302中所筛选提炼后的摘要和其所对应的严重程度，将该实例加入数据集D_org；

S304：若步骤S301中所述缺陷报告集中还有未经过步骤S302、S303的缺陷报告，则取出下一份缺陷报告，并重复步骤S302、S303，否则结束循环，并返回数据集D_org。

3.根据权利要求1或2所述的基于缺陷报告摘要中词性信息的严重程度预测方法，其特征在于，所述步骤S4中，针对所述数据集D_org进行数据集扩充，获得扩充后的训练数据集D_train，具体包括如下步骤：

S401：生成一个空的训练数据集D_train，基于步骤S2的大规模文本语料库，通过Spacy模型获取所述语料库中所有分词间的相似度邻接矩阵，通过该矩阵，得到不同分词间的语义相似度；

S402：从数据集D_org中随机选择x份缺陷报告，并构成数据集D_random，x由操作人员根据实际情况指定，x为整数，且取值不超过N，其中，N为数据集D_org所含缺陷报告总数，从数据集D_random中取出第一份缺陷报告b；

S403：根据取出的缺陷报告b，生成虚拟缺陷报告b’；具体为b’的初始摘要为空，严重程度与b相同，依次取出b的摘要中所含的所有分词，对每次取出的分词w，从文本语料库中找出与其相似度最高并且词性相同的一个分词w’，如果w与w’间的语义相似度低于操作人员指定的阈值γ，则不添加w’到b’的摘要中，否则添加w’到b’的摘要中，当b的摘要所含所有分词均已取出后，将虚拟缺陷报告b’加入训练数据集D_train；

S404：从数据集D_random中取出下一份缺陷报告b，重复步骤S402直至数据集D_random中的所有缺陷报告均已执行步骤S403，随后将数据集D_org并入训练数据集D_train，返回扩充后的训练数据集D_train。