[發明專利]一種軟件配置代碼制品的層次分類方法

有效

• 申請號: 201611121525.6
• 申請日: 2016-12-08
• 公開（公告）號: CN106775694B
• 公開（公告）日: 2019-10-25
• 發明（設計）人: 陳偉;魏峻;竇文生;吳國全;高楚舒;徐培興
• 申請（專利權）人: 中國科學院軟件研究所
• 主分類號: G06F8/20
• 分類號: G06F8/20
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;顧煒

1.一種軟件配置代碼制品的層次分類方法，其特征在于包括以下步驟：

(1)構建軟件配置代碼制品的層次分類體系，從多個CMT代碼庫爬取CMT代碼制品標簽，經過標簽過濾和處理得到CMT代碼制品標簽集合作為CMT配置代碼制品的類別集合，然后通過挖掘CMT標簽集合之間的隸屬關系來構建層次分類C_tree；所述CMT表示配置管理工具；

(2)使用CMT軟件代碼庫中的部分CMT代碼制品為訓練數據集，爬取訓練數據集中每個CMT代碼制品的名稱和描述信息構成相應CMT代碼制品的描述文檔，采用TF-IDF(termfrequency&inversed document frequency，詞頻和逆向文件頻率)模型實現CMT代碼制品的文本特征向量抽取；對訓練數據集進行標注，將其中每個CMT代碼制品劃分到層次分類C_tree中對應的類別；最后基于二元分類器的自上而下(Top-down)分類方法，采用支持向量機算法SVM得到一組分類器，每個分類器實現對層次分類C_tree相應類別的CMT代碼制品的劃分；

(3)對于給定的待分類CMT制品m，采用逐步求精的方法，使用步驟(2)得到的分類器，對當前CMT代碼制品m進行自動化的層次分類，最終將m劃分到層次分類C_tree中某個類別。

2.根據權利要求1所述的一種軟件配置代碼制品的層次分類方法，其特征在：所述步驟(1)具體實現如下：

(11)T_initial＝{t₁，t₂，...，t_m}表示爬取獲得的CMT代碼制品初始標簽集合，對于任意標簽t_i∈T_initial，1≤i≤m，t_i表示集合中的某個CMT代碼制品標簽，t_i＝<name，occur>，其中name表示標簽名稱，occur表示該標簽在所有爬取的CMT代碼制品樣本中出現的次數；

(12)對T_initial中的標簽進行過濾，確保得到的為常用標簽，當t_i.occur≥30，保留t_i，否則從T_initial中刪除t_i，過濾后得到常用標簽集合T_filter＝{t₁，t₂，...，t_n}n≤m，即常用標簽集合包含的標簽數小于等于上一步驟中得到的CMT代碼制品標簽集合中的標簽數；遍歷T_filter，對其中的標簽進行同義詞合并，假定t_j，t_k為T_filter中的兩個標簽，即t_j，t_k∈T_filter，且t_j·name與t_k.name為同義詞，將t_j，t_k合并為新的標簽t_l，且t_l.name＝t_j.name或t_k.name，t_l.occur＝t_j.occur+t_k·occur，將t_l加入常用標簽集合T_filter，并從中刪除t_j，t_k，經過同義詞處理后得到CMT代碼制品標簽集合T_final＝{t₁，t₂，...，t_q}，q≤n，即CMT代碼制品標簽集合包含的標簽數量小于或等于常用標簽集合包含的標簽數量；

(13)根據T_final中標簽共同出現的情況推斷兩兩標簽之間是否存在隸屬關系，對于任意兩個標簽t_A，t_B∈T_final，如果t_A是t_B的子類，即t_B包含t_A，則必須滿足：(1)被t_A標注的CMT代碼制品存在很大的概率被t_B標注，并且，(2)t_A·occur<t_B·occur，即標簽t_A出現的次數少于標簽t_B；經過上述步驟(12)和(13)的標簽過濾和隸屬關系處理，得到所有CMT制品T_pair＝{<t₁，t₂>，...，<t_x，t_y>}(t_x，t_y∈T_final)；

(14)遍歷標簽對集合T_pair，根據其中所有CMT制品之間的隸屬關系創建層次分類C_tree。