[发明专利]一种多模型融合的开发任务关联方法、装置、设备及介质

权利要求书

1.一种多模型融合的开发任务关联的方法，其特征在于，所述方法包括：

根据预设指标在协同开发社区中构建活跃开源项目集；

在所述活跃开源项目集中，利用API采集所有项目的开发任务报告数据以构建备选任务报告数据库；

在所述备选任务报告数据库中利用正则表达式抽取所有任务报告中的URL链接信息以生成任务报告数据集；

在所述任务报告数据集中构建查询任务数据组和候选任务数据组，分别利用结构数据解析模型、文本语义表示模型和历史关联度模型，获得计算查询任务和每个候选任务之间的相似性得分；

将所述查询任务和每个候选任务之间的相似性得分进行加权求和并得到每个任务报告之间的最终相似度得分，根据所述最终相似度得分构建基于多模型融合的开发任务关联模型，以生成任务报告关联工具。

2.如权利要求1所述的方法，其特征在于，所述根据预设指标在协同开发社区中构建活跃开源项目集的步骤，包括：

在协同开发社区GitHub中，利用API搜集项目的基本信息数据，并根据Star、Fork、Delete以及Creation time指标筛选出流行开源项目；

将所述筛选出的流行开源项目构建活跃开源项目集。

3.如权利要求1所述的方法，其特征在于，所述在所述活跃开源项目集中，利用API采集所有项目的开发任务报告数据以构建备选任务报告数据库的步骤，包括：

在所述活跃开源项目集中，利用GitHub的Issue API和Pull Request(PR)API采集所有项目的任务报告数据，具体数据搜集内容为：任务ID、任务处理状态、提交者、任务标题、任务描述、任务评论、提交时间、类别、标签、里程碑等；

根据所述搜集到的报告数据构建备选任务报告数据库。

4.如权利要求1所述的方法，其特征在于，所述在所述备选任务报告数据库中利用正则表达式抽取所有任务报告中的URL链接信息以生成任务报告数据集的步骤，包括：

在所述备选任务报告数据库中，利用正则表达式抽取所有任务报告中的URL链接信息；

利用GitHub的Cross-referenced API检查所述任务报告中的URL链接信息，筛选出实际的任务报告关联连接，根据所述任务报告关联连接构建关联信息基准库；

在所述关联信息基准库中去除不包含链接信息的任务报告数据，形成最终的任务报告数据集。

5.如权利要求1所述的方法，其特征在于，所述在所述任务报告数据集中构建查询任务数据组和候选任务数据组，分别利用结构数据解析模型、文本语义表示模型和历史关联度模型，获得计算查询任务和每个候选任务之间的相似性得分的步骤之前，还包括：

在所述任务报告数据集中提取每个任务报告数据中的文本数据，包括任务报告标题、描述和评论；

在所述文本数据中删除停用词、数字、标点符号和其他非字母字符；

使用NLTK中的Snowball Stemmer技术将剩余单词转换为根形式，以减少特征维度并将相似的单词统一为一个共同的表示，以获得预处理后的任务报告数据。

6.如权利要求1所述的方法，其特征在于，所述在所述任务报告数据集中构建查询任务数据组和候选任务数据组，分别利用结构数据解析模型、文本语义表示模型和历史关联度模型，获得计算查询任务和每个候选任务之间的相似性得分的步骤，包括：

在所述任务报告数据集中，根据任务报告的创建时间选取最新的40％样本作为查询任务数据组，将所述任务报告数据作为候选任务数据组；

使用结构数据解析模型计算所述查询任务和每个候选任务之间的结构信息(Structural information)相似度Score_S；

使用文本语义表示模型计算所述查询任务和每个候选任务之间的文本信息(Textualinformation)相似度Score_T；

使用历史关联度模型计算所述查询任务和每个候选任务之间的历史信息(Historicalinformation)相似度Score_H。