[發明專利]一種基于公共和私有信息挖掘的眾包測試報告融合方法在審

申請號：	202110641240.X	申請日：	2021-06-09
公開（公告）號：	CN113361198A	公開（公告）日：	2021-09-07
發明（設計）人：	王崇駿;張怡;陳明猜;陳明遠;李寧	申請（專利權）人：	南京大學
主分類號：	G06F30/27	分類號：	G06F30/27;G06N3/04;G06N3/08;G06F111/04
代理公司：	南京瑞弘專利商標事務所(普通合伙) 32249	代理人：	陳建和
地址：	210023 江蘇省南京市棲霞***	國省代碼：	江蘇;32
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于公共私有信息挖掘測試報告融合方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

一種基于公共和私有信息挖掘的眾包測試報告融合方法，1)進行特征映射，每個模態中包括所有模態共享的公共信息，以及該模態的私有信息，將原始特征空間中抽取的模態映射為同一維度的公共向量和私有向量；2)對不同模態所包含的所有模態共享的公共信息和每個模態的私有信息進行獲取；3)進行模態關系挖掘，將得到d維公共信息C_i和私有信息S_i^m依次輸入到LSTM中進行處理；4)進行標簽預測，在多標簽學習中，每種模態都有其對多標簽預測的特定貢獻，利用儲存在LSTM記憶單元中的不同模態的信息獲取標簽之間的關系。本發明能夠學習所有模態的低維公共表示，并通過強制正交約束提取每個模態的區別信息，同時，將公共表示作為一種新的模態加入到特定的模態序列中，實現基于提取的模態序列挖掘標簽相關性。

技術領域

本發明涉及數據處理的技術領域，尤其涉及一種基于公共和私有信息挖掘的眾包測試報告融合方法。

背景技術

軟件眾測是一種新型的軟件測試模式，其基于眾包技術將原本由公司內部專業的測試人員的測試任務，通過眾測平臺分發給活躍在眾測平臺的眾測工作者，眾測工作者通過提交測試報告的形式反饋結果。隨著數據采集技術的迅速發展，信息來源或者形式呈現多樣性，因此數據從傳統的單一模態演變為多模態或多視圖的形式。例如：一個測試報告可以由文本和圖像構成。如果僅僅使用其中某一個模態，則會缺乏全面性；如果直接將所有的模態拼接，則會引發維度災難，而且意義不明確。與單模態學習不同的是，多模態學習主要通過挖掘模態間的一致性和互補性，從而提升學習性能。一致性原則要求盡可能最大化不同模態數據輸出的一致性；互補性原則說明每個模態都包含一些其他模態沒有的信息，不同的信息之間相互補充，從而克服單個模態信息表示不充分的缺陷。多模態學習旨在模擬每個模態學習一個函數，并通過聯合優化所有函數來提升泛化性能，從而有效融合多個不同來源的模態進行有效的協作學習。傳統的機器學習方法通常處理二分類或者多分類的問題，一個樣本只和一個標簽相關，和其他的標簽無關。而在實際應用中，一個樣本可能擁有豐富的語義，往往和多個標簽相關，為了解決這一類問題，需要使用到多標簽學習。

發明內容

發明目的：為了克服現有技術中存在的不足，本發明提供一種基于公共和私有信息挖掘的眾包測試報告融合方法，該發明能夠針對眾包測試報告，將其建模為為多模態多標簽的形式，并基于提取的模態序列挖掘標簽相關性。

技術方案：為了實現上述發明目的，本發明提供了一種基于公共和私有信息挖掘的眾包測試報告融合方法，包括以下步驟，

步驟1，進行特征映射，每個模態中包括所有模態共享的公共信息，以及該模態的私有信息，將原始特征空間中抽取的模態映射為同一維度的公共向量和私有向量；

步驟2，對不同模態所包含的所有模態共享的公共信息和每個模態的私有信息進行獲取；

步驟3，進行模態關系挖掘，將得到d維公共信息C_i和私有信息依次輸入到LSTM中進行處理；

步驟4，進行標簽預測，在多標簽學習中，每種模態都有其對多標簽預測的特定貢獻，利用儲存在LSTM記憶單元中的不同模態的信息獲取標簽之間的關系。

進一步的，在本發明中：所述步驟1還包括以下步驟，

步驟1-1，進行公共模態映射，為探索所有模態的公共子空間，將X_i中所有的模態串聯起來，形成一個新的模態，且：

其中，d_all＝d₁+d₂+…+d_P，d_m為第m個模態的維度。

得到新的模態后，加入一個全連接層，并根據以下計算式將原始公共模態轉換為d維公共向量C_i:

下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。