[发明专利]一种基于机器学习的代码评审意见质量评估系统及方法

说明书

本发明公开了一种基于机器学习的自动代码评审意见质量评估方法，本方法包括：评估准则的建立、数据收集及处理、模型架构及训练、模型维护；以及公开了一种基于该评估方法构建的交互式代码评审意见质量评估系统，所述系统包含由收集管理标注数集或未标注数据集的数据管理模块；收集管理预训练模型或分类模型的模型管理模块；对模型进行训练、预训练的模型训练模块及对单条数据或数据文件进行推理的数据推理模块构成；本发明不仅消除了代码评审意见质量评估中的主观性与不一致性，还实现了高精度高效率的代码评审质量评估过程自动化，提高了代码评审活动的效率。

技术领域

本发明涉及软件开发技术领域，具体为一种基于机器学习的代码评审意见质量评估系统及方法。

背景技术

代码评审对于提升代码质量、提高员工代码水平、培养企业文化氛围有重要作用。当前业界通常以经验总结、最佳实践对代码评审活动进行指导。然而在实际生产过程中，代码评审质量难以被有效度量，代码评审活动本身也难以达到企业期望的效果。因此，以合理、准确且便捷的方式对代码评审质量进行量化评估并形成反馈，与最佳实践结合提高代码评审活动效果是当前业界亟需解决的问题；代码评审活动包含多个步骤，代码评审质量也需要从多个维度进行度量。其中部分指标如代码修改率、代码评审积压情况可以使用较为简单的规则进行度量。然而，评审意见质量，即评审者针对提交代码所撰写文本的质量，难以使用简单的规则进行评估。评审意见是评审者和开发者在代码评审活动中的直接沟通渠道，是代码评审重要组成部分。无法有效合理地评估评审意见质量就难以评估代码评审质量。因此合理并准确地评估评审意见质量，是提升代码评审活动效果过程中必不可少的关键步骤。

基于以上问题，亟于提出一种基于机器学习的代码评审意见质量评估系统及方法，本方法包括：评估准则的建立、数据收集及处理、模型架构及训练、模型维护；本系统包括由收集管理标注数集或未标注数据集的数据管理模块，收集管理预训练模型或分类模型的模型管理模块，对模型进行训练、预训练的模型训练模块及对单条数据或数据文件进行推理的数据推理模块构成；本发明不仅消除了代码评审意见质量评估中的主观性与不一致性，还实现了高精度高效率的代码评审质量评估过程自动化，提高了代码评审活动的效率。

发明内容

本发明的目的在于提供一种基于机器学习的代码评审意见质量评估系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于机器学习的代码评审意见质量评估方法，其特征在于，评估方法包括如下步骤：

S100：制定代码评审意见质量评估的标准；

S200：根据步骤S100制定的评估标准，进行评审意见的收集及处理，得到评审意见样本；

S300：利用机器学习算法，构建出一个用于自动化代码评审意见质量评估模型，模型内包含自然语言语义特征抽取器及分类器；自然语言语义特征抽取器将步骤S200得到的代码评审意见样本进行特征向量提取；分类器基于提取的特征向量将代码评审意见样本进行分类，输出分类结果；

S400：将步骤S200中得到的评审意见样本对步骤S300中构建的模型进行训练；得到一个训练完成的模型；

S500：对步骤S400中得到的训练完成的模型进行维护；

S600：对模型进行推理接口的编写，模型是指步骤S400中得到的模型或者步骤S500中得到的模型；

S700：上传评审意见至步骤S600中推理接口编写完成的模型，模型支持以多种形式上传评审意见；使用推理接口对上传的评审意见进行推理，得到最终的评审意见质量评估结果；

该方法可以有效消除代码评审意见质量评估中的主观性与不一致性。

进一步的，S100的工作流程如下：

S101：从相关专业领域中召集专家组成专家团队，相关专业领域包括工业界和学术界；