[發(fā)明專利]一種采用加權優(yōu)化訓練集增強自動Bug報告分配的方法

在審

• 申請?zhí)枺?/td>: 201811033587.0
• 申請日: 2018-09-05
• 公開（公告）號: CN109255029A
• 公開（公告）日: 2019-01-22
• 發(fā)明（設計）人: 魏苗苗;陳榮;李輝;郭世凱;唐文君
• 申請（專利權）人: 大連海事大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/332
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

本發(fā)明公開了一種采用加權優(yōu)化訓練集增強自動Bug報告分配的方法，該方法通過對bug報告數(shù)據(jù)集進行加權處理，提高短描述中的信息頻度，并結合特征選擇算法與實例選擇算法，同時減少噪音單詞和冗余實例，得到規(guī)模更小且質(zhì)量更高的訓練集，提高了bug分類的準確率，節(jié)省了bug分配所需的時間成本和人力成本，提升了工作效率。

技術領域

本發(fā)明涉及數(shù)據(jù)處理分類技術領域，尤其涉及一種采用加權優(yōu)化訓練集增強自動Bug報告分配的方法。

背景技術

目前，一些研究者試圖解決bug報告分類問題。G.C.Murphy等在文件[1]首先提出將bug指派問題轉成文本分類問題來解決，即將文本分類技術應用到bug倉庫中。Anvik在文件[2]等人將bug分配問題半自動化，先利用文本分類技術訓練預測出多個開發(fā)者，然后將這些開發(fā)者當作候選供專家來選擇。Jeong等人在文件[3]提出了tossing圖的概念，通過對分類結果進行tossing圖過濾來提高分類準確率。Xuan等人在文件[4]使用半監(jiān)督分類方法，用一部分已有標簽的bug實例來幫助標記標簽未知的實例，隨后將所有的實例用來訓練預測。Zou等人在文件[5]首先將數(shù)據(jù)約簡技術應用到分類的訓練集中。上述基于bug分配的研究與改進大都忽略了數(shù)據(jù)集本身的問題?，F(xiàn)有工作主要集中在對bug報告的原始數(shù)據(jù)和文本進行分析方面，而文本的自然語言中包含的噪聲信息在很大程度上被忽略了。如果bug報告的自然語言描述中含有很多噪音，則無論對分類算法如何進行優(yōu)化，分類效果也不會特別好。

發(fā)明內(nèi)容

根據(jù)現(xiàn)有技術存在的問題，本發(fā)明公開了一種采用加權優(yōu)化訓練集增強自動Bug報告分配的方法，具體采用如下步驟：

S1：從Bug倉庫中獲取原始訓練集數(shù)據(jù)，對原始訓練集進行預處理：從原始訓練集中過濾掉低效開發(fā)者處理的bug報告，對篩選出的數(shù)據(jù)集中的bug報告分別提取短描述及第一個長描述作為該bug報告的描述信息，對每個bug報告的描述信息進行分詞去停用詞處理，再將bug報告的短描述和長描述分別處理成文本矩陣S_BR和文本矩陣L_BR；

S2：對預處理后的Bug報告進行加權處理：即對短描述生成的文本矩陣S_BR乘以一個權重值η再與長描述生成的文本矩陣L_BR相加，將加權處理后的文本矩陣作為訓練集文本矩陣W_BR；

S3：對訓練集文本矩陣W_BR進行約簡處理：首先用4種特征選擇算法和4種實例選擇算法分別對訓練集文本矩陣W_BR進行維度和行數(shù)的約簡，從特征選擇和實例選擇算法中分別挑選最佳約簡算法，將兩個最佳約簡算法進行組合對訓練集文本矩陣W_BR進行約簡獲得最終訓練集文本；

S4：對最終訓練集文本采用樸素貝葉斯算法進行學習訓練獲得分類模型；

S5：將新bug報告輸入分類模型內(nèi)進行分類處理輸出該bug報告的指派開發(fā)者。

進一步的，所述S2中對預處理后的Bug報告進行加權處理采用如下算法：

上式中η表示對短描述生成的文本矩陣的權重值，m表示訓練集中的bug報告數(shù)目，n表示訓練集中不同單詞的數(shù)目。

由于采用了上述技術方案，本發(fā)明提供的一種采用加權優(yōu)化訓練集增強自動Bug報告分配的方法，通過對bug報告數(shù)據(jù)集進行加權處理，提高短描述中的信息頻度，并結合特征選擇算法與實例選擇算法，同時減少噪音單詞和冗余實例，得到規(guī)模更小且質(zhì)量更高的訓練集，提高了bug分類的準確率，節(jié)省了bug分配所需的時間成本和人力成本，提升了工作效率。

附圖說明