[發明專利]研發團隊的質量預測模型的確定方法和裝置

在審

• 申請號: 201811542200.4
• 申請日: 2018-12-17
• 公開（公告）號: CN109739750A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 郭賢忠;孫才奇
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06N20/00
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

本公開涉及研發團隊的質量預測模型的確定方法，包括：基于研發團隊研發的應用提取基礎特征信息，所述基礎特征信息用于表征所述應用的質量；通過預設算法對每個所述基礎特征信息分別進行擴展，以得到擴展特征信息；根據所述應用和對應的基礎特征信息以及擴展特征信息構成樣本集；基于所述樣本集，通過機器學習算法對預設模型進行訓練，以得到質量預測模型。根據本公開的實施例，一方面針對每個特征信息的參數都是通過機器學習得到，相對人為設定更為準確，另一方面由于特征信息包括基礎特征信息和擴展特征信息，可以全面地表征研發團隊的質量，從而可以得到更加準確的質量預測模型，以便后續對研發團隊的質量進行預測。

技術領域

本公開涉及機器學習技術領域，尤其涉及研發團隊的質量預測模型的確定方法、研發團隊的質量預測模型的確定裝置、電子設備和計算機可讀存儲介質。

背景技術

目前隨著計算機的發展，各類應用也隨之涌現，但是應用的質量有好有壞，良莠不齊。為了評價應用的質量，相關技術中基于應用的一些特征信息來計算應用的質量。而應用是由研發團隊研發的，為了進一步考量研發團隊的質量，相關技術中基于該研發團隊所研發的應用的質量進行加權求和得到。

然而這種計算方式下，進行加權求和的權值是基于人為經驗選定的計算方式，例如針對某個應用而言，其權值是基于如下公式計算：該應用的通信量/該團隊所有應用的通信量之和，其中，應用的通信量是指應用所產生的所有有價值的服務量。

由于上述公式是基于人為經驗選定的，用于計算應用的權值，準確度很有限，例如有些應用并不存在有價值的服務量，那么按照上述公式計算，其權值就是0，那么該應用無論本身程序運行有多流暢，也無法作為研發團隊質量的參考了，所以這種計算方式存在較多的不合理之處。

發明內容

本公開提供研發團隊的質量預測模型的確定方法、研發團隊的質量預測模型的確定裝置、電子設備和計算機可讀存儲介質。

根據本公開的第一方面，提出一種研發團隊的質量預測模型的確定方法，所述方法包括：

基于研發團隊研發的應用提取基礎特征信息，所述基礎特征信息用于表征所述應用的質量；

通過預設算法對每個所述基礎特征信息分別進行擴展，以得到擴展特征信息；

根據所述應用和對應的基礎特征信息以及擴展特征信息構成樣本集；

基于所述樣本集，通過機器學習算法對預設模型進行訓練，以得到質量預測模型，其中，所述質量預測模型的輸入量包括所述基礎特征信息和所述擴展特征信息，輸出量為研發團隊的預測質量。

可選地，所述樣本集包括訓練集和測試集，所述基于所述樣本集，通過機器學習算法對預設模型進行訓練，以得到質量預測模型包括：

基于所述訓練集，通過機器學習算法對預設模型進行訓練，以得到待測模型；

基于所述測試集，通過監督學習對每次得到的待測模型進行調整，以得到所述質量預測模型。

可選地，所述基于所述樣本集，通過機器學習算法對預設模型進行訓練，以得到質量預測模型還包括：

根據多個機器學習算法，分別執行上述實施例所述的得到質量預測模型的過程，以得到多個質量預測模型；

基于所述測試集，計算每個所述質量預測模型對應的預測質量和實際質量的差異；

保留最小的差異對應的質量預測模型，并刪除其他質量預測模型。

可選地，所述方法還包括：

根據所述質量預測模型對應每個特征信息的參數，在所述特征信息中確定至少一個重要特征信息；

對所述重要特征信息進行監測；