[发明专利]一种用于软件自承认型技术债务的检测方法

权利要求书

1.一种用于软件自承认型技术债务的检测方法，其特征在于，包括以下步骤：

步骤1：数据集的获取和处理；

采用公开的源代码注释数据集，将源代码注释数据集中的数据划分为多个项目数据集，然后分别进行符号化、移除停用词，然后进行文本表示转化为注释矩阵；

将注释矩阵输入神经网络的Embedding层，对Embedding层进行训练，输出词向量；再将词向量按照注释顺序拼接后得到词向量矩阵；

步骤2：构建自承认型技术债务检测模型；

所述自承认型技术债务检测模型包括三个并行的基分类器；

第一个基分类器为CNN；

第二个基分类器为CNN-LSTM混合模型；

第三个基分类器为DPCNN；

将词向量矩阵分别输入三个基分类器，对每个基分类器单独进行训练，训练完成后，每个基分类器输出各自对注释数据属于自承认型技术债务的概率；

将三个基分类器输出结果进行融合，得到最终的注释数据属于自承认型技术债务的概率；

设定分类阈值，若属于自承认型技术债务的概率大于分类阈值，则判定该注释数据为自承认型技术债务；若属于自承认型技术债务的概率小于等于分类阈值，则判定该注释数据为非自承认型技术债务；

步骤3：将待检测注释数据输入自承认型技术债务检测模型，输出结果为该待检测注释数据是否为自承认型技术债务的结果。

2.根据权利要求1所述的一种用于软件自承认型技术债务的检测方法，其特征在于，所述公开的源代码注释数据集为Maldonado和Shihab所整理的数据集。

3.根据权利要求1所述的一种用于软件自承认型技术债务的检测方法，其特征在于，优选地，所述对每个基分类器单独进行训练时，采用Adam算法，损失函数采用focal loss损失函数。

4.根据权利要求1所述的一种用于软件自承认型技术债务的检测方法，其特征在于，所述分类阈值为0.5。