[发明专利]一种基于迁移学习和特征提取的Bug报告严重程度识别方法有效
| 申请号： | 201811528863.0 | 申请日： | 2018-12-13 |
| 公开（公告）号： | CN109614489B | 公开（公告）日： | 2022-11-18 |
| 发明（设计）人： | 郭世凯;陈荣;魏苗苗;李博;唐文君;李辉 | 申请（专利权）人： | 大连海事大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/36;G06F40/284 |
| 代理公司： | 大连东方专利代理有限责任公司 21212 | 代理人： | 姜玉蓉;李洪福 |
| 地址： | 116026 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于迁移学习和特征提取的Bug报告严重程度识别方法，通过将向量化表示的Bugzilla Bug报告信息作为知识库；并使用粗糙集特征提取方法对向量化表示的文本矩阵进行特征提取，将提取的特征作为迁移学习的最终知识库，用于识别Android Bug报告的严重程度。通过上述方法可以实现Android Bug报告管理系统中Bug报告严重程度的自动预测，节省了Bug报告严重程度预测所需的时间成本和人力成本，提升了工作效率。 | ||
| 搜索关键词： | 一种 基于 迁移 学习 特征 提取 bug 报告 严重 程度 识别 方法 | ||
【主权项】：
1.一种基于迁移学习和特征提取的Bug报告严重程度识别方法,其特征在于：包括以下步骤：S1：采集Bugzilla存储库中的Bug报告，将向量化表示的Bug报告信息作为迁移学习的知识库，对Bug报告信息进行分词、去停用词、词干化处理生成文本矩阵，采用TF*IDF对文本矩阵进行加权处理，将文本矩阵向量化表示；S2：将向量化表示的Bugzilla Bug报告信息作为识别Android Bug报告的严重程度的知识库；S3:使用粗糙集特征提取方法对文本矩阵进行特征提取，将提取的特征作为迁移学习的知识库，用于识别Android Bug报告的严重程度；S4：建立分类器并对该分类器进行训练：分别用朴素贝叶斯NB、随机树RT、决策树J48、支持向量机SVM、K近邻KNN五种分类算法对训练集进行建模，选取实验效果正确率Accuracy最高的分类算法对训练集进行建模输出；S5：将Android Bug报告输入至分类器进行严重程度的预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于大连海事大学，未经大连海事大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811528863.0/，转载请声明来源钻瓜专利网。
