[發明專利]軟件項目風險評價方法及裝置

有效

• 申請號: 201210009752.5
• 申請日: 2012-01-13
• 公開（公告）號: CN103208039B
• 公開（公告）日: 2017-05-03
• 發明（設計）人: 張玄
• 申請（專利權）人: 株式會社日立制作所
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 永新專利商標代理有限公司72002
• 代理人: 楊謙,胡建新

1.一種軟件項目風險評價方法，其特征在于，

包括：

收集步驟，收集多個樣本的關于項目指標和項目風險的歷史數據；

分割步驟，將上述項目指標所映射的值域分割為多個，針對每個分割后的子值域取代表值，設相對于某類項目風險的項目指標的種類數量為m時，上述值域是m維向量空間，其中，m是大于0的整數；

統計步驟，根據收集到的歷史數據，統計每個子值域中伴隨某類項目風險發生的項目指標映射點的數量相對于映射到該子值域中的所有項目指標映射點的數量的比值，作為該類項目風險出現的風險概率；

計算步驟，根據上述代表值與統計后的上述風險概率，進行歸一化處理，作為訓練數據，制作項目風險評價模型；以及

評價步驟，利用上述計算步驟中計算出的項目風險評價模型對新的軟件項目進行風險評價，得到預測風險概率。

2.根據權利要求1所述的軟件項目風險評價方法，其特征在于，

在上述分割步驟中，將映射到某個子值域中的樣本數量與規定的數量閾值相比較，根據比較結果調整分割的子值域的大小。

3.根據權利要求1所述的軟件項目風險評價方法，其特征在于，

還包括驗證步驟，將歷史數據中的一部分數據作為驗證數據，代入項目風險評價模型來得到驗證用預測風險概率，并計算該驗證用預測風險概率與驗證數據的歷史風險概率之差相對于歷史風險概率的百分比，在上述百分比大于規定驗證閾值的情況下，不使用該項目風險評價模型進行風險評價。

4.根據權利要求1所述的軟件項目風險評價方法，其特征在于，

還包括反饋步驟，每當新的軟件項目完成之后，收集該軟件項目的與項目指標和項目風險有關的信息反饋給上述收集步驟，作為歷史數據，重新制作項目風險評價模型。

5.根據權利要求1所述的軟件項目風險評價方法，其特征在于，

在上述分割步驟中，取每個子值域的中心值作為該子值域的代表值。

6.根據權利要求1所述的軟件項目風險評價方法，其特征在于，

還包括相關度分析步驟，根據在上述統計步驟統計出來的、每個子值域中伴隨某類項目風險發生的某類項目指標的出現次數，計算該某類項目風險與該某類項目指標之間的相關度指標，僅將相關度指標在規定的相關度閾值以上的項目指標作為相關項目指標用于分割步驟，

在上述分割步驟中，僅將上述相關項目指標所映射的值域作為m維向量空間進行分割。

7.根據權利要求6所述的軟件項目風險評價方法，其特征在于，

在上述相關度分析步驟中，每一定時期將相對某類項目風險而放棄的項目指標重新用于評價模型的建立，來建立臨時評價模型，并且比較將歷史數據分別代入臨時評價模型和原評價模型而得到的風險評價結果，在作為臨時評價模型的風險評價結果的預測風險概率比作為原評價模型的風險評價結果的預測風險概率更加接近歷史風險概率時，將規定的相關度閾值調整為該放棄的項目指標所對應的相關度。

8.根據權利要求1所述的軟件項目風險評價方法，其特征在于，

在上述計算步驟中，利用支持向量機、神經網絡或K近鄰算法KNN，對訓練數據進行建模處理，來制作項目風險評價模型。

9.一種軟件項目風險評價裝置，其特征在于，

包括：

收集單元，收集多個樣本的關于項目指標和項目風險的歷史數據；

分割單元，將上述項目指標所映射的值域分割為多個，針對每個分割后的子值域取代表值，設相對于某類項目風險的項目指標的種類數量為m時，上述值域是m維向量空間，其中，m是大于0的整數；

統計單元，根據收集到的歷史數據，統計每個子值域中伴隨某類項目風險發生的項目指標映射點的數量相對于映射到該子值域中的所有項目指標映射點的數量的比值，作為該類項目風險出現的風險概率；

計算單元，根據上述代表值與統計后的上述風險概率，進行歸一化處理，作為訓練數據，制作項目風險評價模型；以及

評價單元，利用上述計算單元所計算出的項目風險評價模型對新的軟件項目進行風險評價，得到預測風險概率。

10.根據權利要求9所述的軟件項目風險評價裝置，其特征在于，

上述分割單元將映射到某個子值域中的樣本數量與規定的數量閾值相比較，根據比較結果調整分割的子值域的大小。