[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

说明书

本发明公开了一种基于软件开发问题的技术债务识别方法及装置，其中的方法包括如下步骤：1.获取软件开发问题跟踪系统中的开发问题集合，2.对开发问题文本进行预处理，3.基于深度学习的技术债务识别模型，包括嵌入层、长短时记忆网络层和全连接层，4.训练模型，5.模型的应用。本发明创新地关注软件开发问题跟踪系统中的开发问题是否包含技术债务，有利于软件工程师更好的关注和管理软件中的技术债务，并且使用基于LSTM的深度学习模型识别软件开发问题跟踪系统中每个开发问题是否包含技术债务，比传统检测方法的准确率更高。

技术领域

本发明涉及软件技术领域，尤其涉及一种基于软件开发问题的技术债务识别方法及装置。

背景技术

技术债务是指软件开发中为了项目的短期利益产生的不成熟的软件制品，这些制品给软件维护和演化带来额外成本，并且该成本会随着时间不断累积。由于其对软件质量的重大影响，技术债务已成为一个热门话题，受到了学术界和工业界的极大关注。

现有技术中，主要通过两种途径来识别软件中的技术债务：

(一)通过静态源代码分析来识别技术债务。高质量的软件项目有着合理清晰的设计、简洁明了的代码。因此，软件工程师可以通过适当的量化方法来分析项目中的源代码，从而评估项目的质量以及捕捉项目中的技术债务。

(二)通过代码注释识别技术债务。Potdar和Shihab把在代码注释中明确承认的技术债务定义为自承认技术债务。当软件工程师有意识地写下不合理的代码时，他们通常会在代码旁边手工注释，以提醒自己或其他的软件工程师。因此，可以通过这种带有主观意识的注释去识别和判断其周边代码的技术债务。

本本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

第一种方法依赖于各个软件代码的设计规范，且前期需要人工对各个项目进行大量的分析，耗费人力。第二种方法使用的代码注释依赖于软件工程师的自发性，其使用场景和数据较少。因此，现有技术中的上述两种途径并不能完全且准确地识别出软件中隐含的技术债务。

发明内容

本发明提供了一种基于软件开发问题的技术债务识别方法及装置，用以解决或者至少部分解决现有技术中存在的识别准确性不高的技术问题。

为了解决上述技术问题，本发明第一方面提供了一种基于软件开发问题的技术债务识别方法，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。

在一种实施方式中，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。