[發明專利]一種基于LDA主題模型的相關軟件歷史數據提取方法

有效

• 申請號: 201410029273.9
• 申請日: 2014-01-22
• 公開（公告）號: CN103729473B
• 公開（公告）日: 2016-11-09
• 發明（設計）人: 孫小兵;李云;楊智松;劉湘月
• 申請（專利權）人: 揚州大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 董旭東

1.一種基于LDA主題模型的相關軟件歷史數據提取方法，其特征在于，包括以下步驟：

步驟1：將軟件當前所需的維護請求進行預處理，所述預處理過程包括將請求語句進行分解，表示成用于相似度計算的一個由單詞組成的向量MR；

步驟2：從軟件演化歷史庫中選取故障跟蹤庫和通信庫進行分析；通過LDA主題模型對故障跟蹤庫和通信庫進行分析，提取潛在主題，故障跟蹤庫所提取的主題用矩陣B表示，通信庫所提取的主題用矩陣C表示，然后，分別計算矩陣B、矩陣C中和向量MR中相似的元素，識別出與向量MR中維護請求元素相對應的故障跟蹤庫中的故障元素Bug以及通信庫中的通信元素Comm；

步驟3：利用LDA主題模型從當前軟件版本中提取潛在主題，所提取的主題用向量Cu表示；

步驟4：利用LDA主題模型對軟件版本控制庫進行分析，提取潛在主題，所提取的主題用矩陣U表示；然后，計算矩陣U中和所述向量Cu相似的軟件版本元素V2；

步驟5：找出步驟2中計算得到故障元素Bug和通信元素Comm所對應的軟件版本元素V1，另外，找出步驟4中計算得到的軟件版本元素V2，最終，計算得出所有與當前維護請求和當前軟件版本相關的的軟件數據為V=V1∪V2；

根據權利要求1所述的一種基于LDA主題模型的相關軟件歷史數據提取方法，其特征在于，向量元素相似性計算采用余弦相似性模型進行計算。

2.根據權利要求1所述的一種基于LDA主題模型的相關軟件歷史數據提取方法，其特征在于，本發明中元素的數據粒度層次均是文件層次。

3.根據權利要求1所述的一種基于LDA主題模型的相關軟件歷史數據提取方法，在利用LDA模型進行主題提取時,將軟件演化歷史庫中的文件作為文本語料庫輸入，在利用LDA分析這些文件前，首先對所述文件進行過濾預處理，如提取標識符、注釋；將軟件中的一些關鍵詞和常用詞刪除；然后設置需要提取主題的個數，根據隱含狄利克雷分布對這些非結構化文本語料庫進行分析，提取不同軟件數據庫的主題。