[发明专利]一种基于软件开发问题的技术债务识别方法及装置

权利要求书

1.一种基于软件开发问题的技术债务识别方法，其特征在于，包括：

S1：基于开发问题跟踪系统获取开发问题集合，开发问题集合中的每一个开发问题包括两部分：开发问题文本和开发问题类型，其中，开发问题文本为研发人员对该开发问题的描述性文字，开发问题类型表示开发问题是否涉及到技术债务；

S2：对获取的开发问题集合中的开发问题文本进行预处理；

S3：构建基于深度学习的技术债务识别模型，模型包括嵌入层、LSTM层和全连接层，其中，嵌入层用于将输入的文本转换为实数向量，LSTM层包括两层，用于将输入的实数向量转换为特征向量，全连接层用于将两个LSTM层输出的特征向量转换为实数，再通过Softmax函数得到开发问题涉及技术债务的概率，从而得到预测结果；

S4：将预处理后的开发问题文本划分为训练集和测试集；

S5：利用划分的训练集对构建的基于深度学习的技术债务识别模型进行训练，得到训练好的技术债务识别模型；

S6：利用训练好的技术债务识别模型进行技术债务识别。

2.如权利要求1所述的基于软件开发问题的技术债务识别方法，其特征在于，所述方法还包括：利用划分的测试集对训练好的技术债务识别模型进行测试，具体为：将测试集中包含的开发问题文本输入到训练好技术债务识别模型中，通过模型预测出输入的开发问题涉及到技术债务的概率，其中，当预测概率大于或等于阈值时，则表明该开发问题涉及到了技术债务，否则表明该开发问题不涉及技术债务。

3.如权利要求1所述的基于软件开发问题的技术债务识别方法，其特征在于，步骤S2包括：

S2.1：对开发问题文本进行字符处理，只保留英文字母以及情感标点符号，并将英文的大写字母转换为小写字母；

S2.2：将开发问题文本中的所有的单词转化为其词干形式；

S2.3：删除开发问题文本中包含的功能词。

4.如权利要求1所述的基于软件开发问题的技术债务识别方法，其特征在于，LSTM层的处理过程包括：

每次依序读取矩阵W中的子矩阵x，矩阵x的大小设置为5*300，每一次，LSTM利用门机制记录并更新信息，当LSTM将整个矩阵W读取完毕，并按照门机制更新状态后，LSTM层会输出一个最终状态H，其中，矩阵W由开发问题文本通过嵌入层后得到，最终状态H即为输出的特征向量。

5.一种基于软件开发问题的技术债务识别装置，其特征在于，包括：

数据获取模块，用于基于开发问题跟踪系统获取开发问题集合，开发问题集合中的每一个开发问题包括两部分：开发问题文本和开发问题类型，其中，开发问题文本为研发人员对该开发问题的描述性文字，开发问题类型表示开发问题是否涉及到技术债务；

预处理模块，用于对获取的开发问题集合中的开发问题文本进行预处理；

模型构建模块，用于构建基于深度学习的技术债务识别模型，模型包括嵌入层、LSTM层和全连接层，其中，嵌入层用于将输入的文本转换为实数向量，LSTM层包括两层，用于将输入的实数向量转换为特征向量，全连接层用于将两个LSTM层输出的特征向量转换为实数，再通过Softmax函数得到开发问题涉及技术债务的概率，从而得到预测结果；

数据集划分模块，用于将预处理后的开发问题文本划分为训练集和测试集；

训练模块，用于利用划分的训练集对构建的基于深度学习的技术债务识别模型进行训练，得到训练好的技术债务识别模型；

技术债务识别模块，用于利用训练好的技术债务识别模型进行技术债务识别。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被执行时实现如权利要求1至4中任一项权利要求所述的方法。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4中任一项权利要求所述的方法。