[发明专利]训练模型的方法、测试方法、装置、电子设备及存储介质

权利要求书

1.一种用于训练项目风险评价模型的方法，包括：

对历史风险特征数据集进行处理，得到与每个历史项目对应的历史项目特征数据，其中，所述历史风险特征数据集包括多个历史风险特征数据，所述历史风险特征数据与项目阶段相关；以及

利用历史项目特征数据集训练分类器模型，得到所述项目风险评价模型，其中，所述历史项目特征数据集包括与多个所述历史项目的历史项目特征数据；

其中，所述历史风险特征数据与项目标识关联；

所述对历史风险特征数据集进行处理，得到与每个历史项目对应的历史项目特征数据，包括：

根据所述项目标识和与所述项目标识关联的用户标识，从所述历史风险特征数据集中确定与所述项目标识所表征的历史项目对应的用户风险特征数据；

根据所述项目标识和与所述项目标识关联的分支代码标识，从所述历史风险特征数据集中确定与所述项目标识所表征的历史项目对应的模块风险特征数据；

根据所述项目标识，从所述历史风险特征数据集中确定与所述项目标识所表征的历史项目对应的项目级别风险特征数据；以及

根据与所述项目标识所表征的历史项目对应的用户风险特征数据、模块风险特征数据和项目级别风险特征数据，得到与所述项目标识所表征的历史项目对应的历史项目特征数据。

2.根据权利要求1所述的方法，还包括：

从目标管理工具中获取原始风险特征数据集；以及

对所述原始风险特征数据集进行处理，得到所述历史风险特征数据集。

3.根据权利要求1或2所述的方法，其中，所述历史风险特征数据与如下至少一个所述项目阶段相关：项目需求阶段、项目开发阶段、项目提测阶段、项目测试阶段和项目上线阶段，

其中，与所述项目需求阶段对应的历史风险特征数据包括如下至少一项：产品经理可靠度特征数据、项目分级特征数据和项目设置特征数据；

其中，与所述项目开发阶段对应的历史风险特征数据包括如下至少一项：代码开发周期特征数据、代码变更行数特征数据、代码变更方法数量特征数据、代码变更文件数量特征数据、代码出错率特征数据、与代码变更方法相关联的接口相关特征数据、代码静态漏洞特征数据和代码变更方法复杂度特征数据；

其中，与所述项目提测阶段对应的历史风险特征数据包括如下至少一项：增量覆盖率特征数据、提测通过率特征数据和提测遗留问题数量特征数据；

其中，与所述项目测试阶段对应的历史风险特征数据包括如下至少一项：自动化回归通过率特征数据、与未覆盖变更方法相关联的接口相关特征数据和品质保证可靠度特征数据；

其中，与所述项目上线阶段对应的历史风险特征数据包括线上问题数量特征数据。

4.根据权利要求1或2所述的方法，其中，所述利用历史项目特征数据集训练分类器模型，得到项目风险评价模型，包括：

将与每个所述历史项目对应的历史项目特征数据输入所述分类器模型，得到与每个所述历史项目对应的预测风险评价结果；

基于损失函数，利用与每个所述历史项目对应的预测风险评价结果和真实风险评价结果，得到输出值；

根据所述输出值，调整所述分类器模型的模型参数，直至所述输出值收敛；以及

将在所述输出值收敛的情况下得到的分类器模型，确定为所述项目风险评价模型。

5.一种预测方法，包括：

获取与目标项目对应的项目特征数据；以及

将与所述目标项目对应的项目特征数据输入项目风险评价模型，得到针对所述目标项目的模型预测结果，

其中，所述项目风险评价模型是利用根据权利要求1～4中任一项所述的方法训练的。

6.根据权利要求5所述的方法，其中，所述模型预测结果包括第一补充测试信息；

所述方法还包括：

根据所述第一补充测试信息对所述目标项目进行补充测试。

7.根据权利要求5所述的方法，还包括：

获取针对所述目标项目的人工反馈结果；以及

根据所述目标项目的人工反馈结果，执行目标任务。