[發(fā)明專利]結(jié)合軟件制品過程信息和文本相似度的制品自動(dòng)追蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010431048.3
• 申請(qǐng)日: 2020-05-20
• 公開（公告）號(hào): CN111460401B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設(shè)計(jì)）人: 張?zhí)鹛?/a>;張賀;榮國(guó)平;邵棟;董黎明;葉戴林子;謝妃梅
• 申請(qǐng)（專利權(quán)）人: 南京大學(xué)
• 主分類號(hào): G06F21/16
• 分類號(hào): G06F21/16;G06F40/216;G06F18/22;G06F18/243
• 代理公司: 北京華際知識(shí)產(chǎn)權(quán)代理有限公司 11676
• 代理人: 曹書華

1.一種結(jié)合軟件制品過程信息和文本相似度的制品自動(dòng)追蹤方法，其特征在于，包括以下步驟：

S1：選擇待關(guān)聯(lián)軟件制品，挖掘軟件制品間是否存在追蹤鏈接，確定軟件制品間的追蹤關(guān)系類型，所述追蹤關(guān)系類型具體分為顯式追蹤關(guān)系和隱式追蹤關(guān)系；

S2：從目標(biāo)軟件資源庫(kù)中抽取待關(guān)聯(lián)軟件制品的過程信息相關(guān)字段，包括制品狀態(tài)、文本描述信息、不同狀態(tài)下的時(shí)間、相關(guān)負(fù)責(zé)人員；

S3：計(jì)算待關(guān)聯(lián)軟件制品間的文本相似度；

S4：對(duì)于顯式追蹤關(guān)系的軟件制品，從過程信息中提取時(shí)間、人員和已關(guān)聯(lián)鏈接特征，并確定結(jié)果標(biāo)簽；

S5：對(duì)于隱式追蹤關(guān)系的軟件制品，借助過程中的中間制品作為媒介，增加人員、時(shí)間和文件特征，判定待關(guān)聯(lián)軟件制品間是否存在追蹤關(guān)系；

S6：預(yù)處理數(shù)據(jù)，獲得樣本集，將樣本集分為訓(xùn)練集和測(cè)試集，訓(xùn)練二分類模型，預(yù)測(cè)軟件制品間是否存在追蹤關(guān)系；

命名待關(guān)聯(lián)的軟件制品為制品A和制品B，制品A的集合表示為Set?_A＝{a₁,a₂,a₃,…,a_n}，其中a_i表示具體的制品，制品B的集合表示為Set?_B＝{b₁,b₂,b₃,…,b_n}，其中b_i表示具體的制品；

所述S3包含以下步驟：S3-1：制品A和制品B的文本描述信息分別被視為一個(gè)文檔，對(duì)其進(jìn)行文本預(yù)處理，預(yù)處理包括刪除不規(guī)范文本記錄和去除停用詞；

S3-2：基于VSM模型，所述VSM模型為空間向量模型，計(jì)算制品A和制品B的文本相似度，將制品A和制品B的文本描述用向量a，b表示，向量中的每個(gè)維度對(duì)應(yīng)一個(gè)詞項(xiàng)在文檔中的權(quán)重，每個(gè)詞項(xiàng)權(quán)重的計(jì)算方法為TF-IDF法，其中，向量a＝(w₁₁,w₁₂,···,w_1n)，向量b＝(w₂₁,w₂₂,···,w_2n)，w_ij為詞項(xiàng)的權(quán)重；利用余弦距離計(jì)算向量a，b之間的余弦相似度：

制品A和制品B的文本相似度可表述為sim(des(A)，des(B))，des(A)和des(B)表示制品A和制品B的文本描述字段，θ為向量a，b之間的夾角；

所述S4包含以下步驟：S4-1：挖掘顯式追蹤關(guān)系制品間的時(shí)間特征，首先確定制品A和制品B的生命周期關(guān)系，一般分為周期包含、周期交叉和周期并列；對(duì)比制品A和制品B的創(chuàng)建時(shí)間和結(jié)束時(shí)間，得到時(shí)間特征；

S4-2：挖掘人員特征，挖掘制品A和制品B的相關(guān)負(fù)責(zé)人的聯(lián)系，包括同時(shí)參與制品A和制品B對(duì)應(yīng)的軟件活動(dòng)的人員；

S4-3：挖掘已鏈接記錄特征，顯式追蹤關(guān)系制品間存在已鏈接的記錄，挖掘待關(guān)聯(lián)制品和已鏈接記錄之間的關(guān)系，提取特征；

其中，待追蹤具體制品a_i與具體制品b_i，時(shí)間上在具體制品b_i之前且與具體制品a_i已鏈接的B類制品集合作為L(zhǎng)_pre，L_p為集合中時(shí)間與具體制品b_i相隔最近的具體制品，計(jì)算具體制品b_i與L_p的文件重合度N_f＝overlap(file(b_i)，file(L_p))、文本相似度N_t＝sim(des(b_i)，des(L_p))；

其中計(jì)算文件重合度的公式為：

overlap(file(a_i)，file(b_i))＝(file(a_i)∩file(b_i))/(file(a_i)∪file(b_i))

file(a_i)為具體制品a_i涉及到的文件集合，file(b_i)為具體制品b_i涉及到的文件集合，file(a_i)∩file(b_i)為兩個(gè)集合的交集，file(a_i)∪file(b_i)為兩個(gè)集合的并集；

待追蹤具體制品a_i與具體制品b_i，時(shí)間上在具體制品b_i之后且與具體制品a_i已鏈接的B類制品集合作為L(zhǎng)_next，L_n為集合中時(shí)間與具體制品b_i相隔最近的具體制品，計(jì)算具體制品b_i與L_n的文件重合度N_f＝overlap(file(b_i)，file(L_n))、文本相似度N_t＝sim(des(b_i)，des(L_n))；

S4-4：挖掘制品A和制品B之間的結(jié)果標(biāo)簽，若具體制品a_i可以關(guān)聯(lián)到具體制品b_i，則a_i和b_i之間存在追蹤關(guān)系，為正樣本，否則為負(fù)樣本；

所述S5包括以下步驟：S5-1：選取中間制品C，作為制品A和制品B的媒介制品；

S5-2：獲取制品A和制品B的時(shí)間特征、人員特征和文本特征；

S5-3：依據(jù)制品C，增加制品A和制品B間與制品C的相關(guān)特征，計(jì)算文件重合度和人員重合度；

S5-4：研究人員和項(xiàng)目參與者交叉判定制品A和制品B之間是否存在鏈接，存在則為正樣本，否則為負(fù)樣本；

所述S6包括以下步驟：S6-1：數(shù)據(jù)預(yù)處理，對(duì)獲取到的特征進(jìn)行預(yù)處理，包括異常值、缺失值、數(shù)據(jù)規(guī)范化、離散特征處理；

S6-2：選用隨機(jī)森林算法，按照訓(xùn)練集和測(cè)試集8：2的比例劃分?jǐn)?shù)據(jù)，以過采樣的方法均衡訓(xùn)練集，用以訓(xùn)練模型；

S6-3：追蹤關(guān)系預(yù)測(cè)，利用訓(xùn)練的模型預(yù)測(cè)待關(guān)聯(lián)的鏈接。