[发明专利]一种基于描述关键词抽取的缺陷报告严重程度预测方法

权利要求书

1.一种基于描述关键词抽取的缺陷报告严重程度预测方法，其特征在于，所述预测方法包括以下步骤：

S1、从项目所在的缺陷跟踪系统中选择状态为CLOSED与FIXED，严重程度为Blocker、Critical、Major、Minor和Trivial的缺陷报告，并对上述缺陷报告的数据进行下载，其中，下载的字段包括缺陷摘要、缺陷描述和缺陷报告严重程度，基于此构成数据集；

S2、对数据集中缺陷摘要字段中的文本依次进行分词、去停用词、词形还原处理，得到相应的分词集T_s；

S3、利用步骤S2中的分词集T_s与所述数据集中的缺陷报告严重程度，使用词嵌入方法FastText训练并获取摘要词向量模型F_s，使用该模型对缺陷摘要进行向量表示，具体为：基于摘要词向量模型F_s获取缺陷摘要中每个分词的向量，对所述缺陷摘要中每个分词的向量求和得到缺陷摘要向量E_s；

S4、对数据集中缺陷描述字段进行关键词提取与表示，得到缺陷描述向量E_d；

S5、合并所述缺陷摘要向量E_s与所述缺陷描述向量E_d作为输入向量E_input；

S6、基于所述输入向量E_input和数据集中的缺陷报告严重程度，使用逻辑回归分类方法，训练并得到缺陷报告严重程度预测模型；

S7、输入新的缺陷报告，对其缺陷摘要进行步骤S2的处理，对其缺陷描述进行步骤S4的处理，基于步骤S5合并两向量并输入步骤S6所得缺陷报告严重程度预测模型，得到最终预测结果。

2.根据权利要求1所述的基于描述关键词抽取的缺陷报告严重程度预测方法，其特征在于，在所述步骤S4中，对实验数据集中缺陷描述字段进行关键词提取与表示，得到缺陷描述向量E_d，具体包括如下步骤：

S401、对数据集中缺陷描述字段利用正则化方法进行字符串替换，包括：匹配包含URL的内容并使用“url”字符串进行替换，匹配控制台输出内容并使用“console”字符串进行替换，匹配代码片段并使用“code”字符串进行替换，再对其进行分词、去停用词、词形还原处理，得到对应的分词集；

S402、基于所述分词集，利用关键词抽取方法Textrank提取缺陷描述的关键词集T_d；

S403、基于所述关键词集T_d与数据集中对应的严重程度，使用词嵌入方法FastText进行缺陷描述词向量的训练，得到描述词向量模型F_d，使用该模型对缺陷描述进行缺陷描述向量表示，具体为：基于描述词向量模型F_d获取缺陷描述中每个关键词的向量，对所述缺陷描述中每个关键词的向量求和得到缺陷描述向量E_d。