[发明专利]开源软件开发中假设条件识别与抽取方法及系统

说明书

本发明公开了一种开源软件开发中假设条件识别与抽取方法及系统，所述方法包括：建模步骤：建立数据仓库模型、数据仓库版本发布模型、拉取请求模型、提交模型、问题模型；数据源配置步骤：根据数据仓库模型和数据仓库版本发布模型；采集拉取请求数据步骤：根据拉取请求模型采集并解析数据源的数据；采集提交数据步骤：根据提交模型采集并解析数据源提交相关的数据；采集问题数据步骤：根据问题模型采集数据源问题相关的数据；假设条件检索步骤：展示所有检索结果；假设条件提取步骤：提取异常句子的特征。本发明大量减少人工干预，降低成本，为进一步的假设条件推理提供支撑。

技术领域

本发明涉及软件开发技术领域，尤其涉及一种开源软件开发中假设条件识别与抽取方法及系统。

背景技术

软件系统的开发中不可避免地存在着大量的不确定性(uncertainty)，而为了实现项目目标，涉众(stakeholder)需要及时地去应对这些不确定性。涉众在应对系统开发中的不确定性时采用的主要手段是制定假设条件(assumption)，从而使系统开发在特定假设条件下能继续推进。不确定性是假设条件存在的源头，也是系统开发中客观存在的基本属性。所有开发过程中无法确定的事物都属于不确定性的范畴，而假设条件是涉众针对不确定的事物所做出的判断和估计。

假设条件在软件开发中的重要性已经在大量的研究与实践中得到证实，并在工程实践中付出了惨痛的代价，如ARIANE 5号火箭发射失败事故、Therac-25致死事故、波音737MAX坠毁事故中，关键的原因都指向系统开发中未被妥善管理的假设条件。

然而，许多研究认为假设条件很少被管理，而是广泛存在于涉众的脑海中。因此，研究者多采用以参与者为核心的实验、调研和案例方法，通过观察、问卷、访谈、焦点组、文档分析的方式人工识别和抽取假设条件。例如，Landuyt和Joosen关注威胁建模框架应用中的假设条件，并且基于这些假设条件去识别软件体系结构中与隐私有关的设计缺陷。他们组织了122名硕士研究生作为参与者，让这些参与者在两个半小时内从基于物联网的智能家居系统中识别和抽取其中的威胁和假设条件，然而该类研究存在明显的缺陷：(1)采用学生作为参与者得到的结果可能与真实开发环境中的结果存在差异；(2)该类研究往往需要限定在较短的时间内完成，因此采集数据的规模和深度有限，且数据有效性难以保证。

发明内容

本发明实施例所要解决的技术问题在于，提供一种开源软件开发中假设条件识别与抽取方法及系统，以减少开源软件开发中对人工参与假设条件识别和抽取的依赖，降低成本，为进一步的假设条件推理提供支撑。

为了解决上述技术问题，本发明实施例提出了一种开源软件开发中假设条件识别与抽取方法，包括：

建模步骤：建立数据仓库模型、数据仓库版本发布模型、拉取请求模型、提交模型、问题模型；

数据源配置步骤：根据数据仓库模型和数据仓库版本发布模型，采集数据源信息并保存；

采集拉取请求数据步骤：根据拉取请求模型采集并解析数据源的拉取请求数据，计算已采集数据数量，将采集记录及采集的数据保存入数据库；

采集提交数据步骤：根据提交模型采集并解析数据源提交相关的数据，计算已采集数据数量，将采集记录及采集的数据保存入数据库；

采集问题数据步骤：根据问题模型采集数据源问题相关的数据，计算已采集数据数量，将采集记录及采集的数据保存入数据库；

假设条件检索步骤：根据用户所指定的数据仓库、数据类型、检索范围以及假设条件检索词在数据库内检索假设条件数据，展示检索结果，并在检索结果中高亮检索词；