[發(fā)明專(zhuān)利]一種異質(zhì)集成的自承認(rèn)技術(shù)債務(wù)自動(dòng)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110632822.1
• 申請(qǐng)日: 2021-06-07
• 公開(kāi)（公告）號(hào): CN113313184A
• 公開(kāi)（公告）日: 2021-08-27
• 發(fā)明（設(shè)計(jì)）人: 殷茗;朱奎宇;高存志;張小港;王嘉澤;周盼;陳楊;張淼
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西北工業(yè)大學(xué)專(zhuān)利中心 61204
• 代理人: 金鳳

1.一種異質(zhì)集成的自承認(rèn)技術(shù)債務(wù)自動(dòng)檢測(cè)方法，其特征在于，包括以下步驟：

步驟1：數(shù)據(jù)集預(yù)處理；

采用公開(kāi)的源代碼注釋數(shù)據(jù)集，將源代碼注釋數(shù)據(jù)集中的每一條注釋過(guò)濾掉非英文字符，只保留英文字母并且將所有英文字母轉(zhuǎn)換成小寫(xiě)字母并移除停止詞；

步驟2：特征提取；

使用基于詞袋模型的BoW特征提取和能夠提取語(yǔ)義信息的N-gram模型同時(shí)獲取經(jīng)過(guò)步驟1處理過(guò)的注釋的文本特征，構(gòu)成訓(xùn)練數(shù)據(jù)集；

步驟3：訓(xùn)練組件學(xué)習(xí)器；

將訓(xùn)練數(shù)據(jù)集分別輸入三個(gè)并行的組件學(xué)習(xí)器；

第一個(gè)組件學(xué)習(xí)器由梯度提升決策樹(shù)GBDT構(gòu)成；

第二個(gè)組件學(xué)習(xí)器由隨機(jī)梯度下降SGD構(gòu)成；

第三個(gè)組件學(xué)習(xí)基于Bagging算法訓(xùn)練50棵決策樹(shù)，每棵決策樹(shù)都隨機(jī)從原始樣本中做有放回的采樣，然后基于這些采樣后的樣本訓(xùn)練分類(lèi)器，形成新的決策樹(shù)模型DT；

分別對(duì)三個(gè)組件學(xué)習(xí)器進(jìn)行訓(xùn)練，訓(xùn)練完成后，每個(gè)組件學(xué)習(xí)器輸出當(dāng)前輸入分類(lèi)為SATD或Non-SATD的結(jié)果，如果是SATD則標(biāo)記為“positive”，否則標(biāo)記為“negative”；

步驟4：使用Voting算法對(duì)三個(gè)組件學(xué)習(xí)器的輸出結(jié)果進(jìn)行投票，選擇三個(gè)組件學(xué)習(xí)器輸出結(jié)果占多數(shù)的類(lèi)別作為最后預(yù)測(cè)結(jié)果；

步驟5：由步驟1到步驟4的處理過(guò)程構(gòu)成最終用于預(yù)測(cè)的復(fù)合分類(lèi)器；

步驟6：將待分類(lèi)注釋輸入復(fù)合分類(lèi)器，輸出結(jié)果為該待分類(lèi)注釋數(shù)據(jù)是否為SATD的結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種異質(zhì)集成的自承認(rèn)技術(shù)債務(wù)自動(dòng)檢測(cè)方法，其特征在于，所述公開(kāi)的源代碼注釋數(shù)據(jù)集為GitHub的8個(gè)項(xiàng)目，包括ArgoUML、Columba、Hibernate、JEdit、JFreeChart、JMeter、JRuby以及SQuirrel，該數(shù)據(jù)集為Maldonado和Shihab所整理的數(shù)據(jù)集。