[發明專利]一種基于軟件開發問題的技術債務識別方法及裝置

在審

• 申請號: 202210843177.2
• 申請日: 2022-07-18
• 公開（公告）號: CN115329071A
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 彭依琳;李增揚
• 申請（專利權）人: 華中師范大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/284;G06N3/04;G06N3/08;G06Q10/04;G06Q10/06;G06Q10/10
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 羅飛

1.一種基于軟件開發問題的技術債務識別方法，其特征在于，包括：

S1：基于開發問題跟蹤系統獲取開發問題集合，開發問題集合中的每一個開發問題包括兩部分：開發問題文本和開發問題類型，其中，開發問題文本為研發人員對該開發問題的描述性文字，開發問題類型表示開發問題是否涉及到技術債務；

S2：對獲取的開發問題集合中的開發問題文本進行預處理；

S3：構建基于深度學習的技術債務識別模型，模型包括嵌入層、LSTM層和全連接層，其中，嵌入層用于將輸入的文本轉換為實數向量，LSTM層包括兩層，用于將輸入的實數向量轉換為特征向量，全連接層用于將兩個LSTM層輸出的特征向量轉換為實數，再通過Softmax函數得到開發問題涉及技術債務的概率，從而得到預測結果；

S4：將預處理后的開發問題文本劃分為訓練集和測試集；

S5：利用劃分的訓練集對構建的基于深度學習的技術債務識別模型進行訓練，得到訓練好的技術債務識別模型；

S6：利用訓練好的技術債務識別模型進行技術債務識別。

2.如權利要求1所述的基于軟件開發問題的技術債務識別方法，其特征在于，所述方法還包括：利用劃分的測試集對訓練好的技術債務識別模型進行測試，具體為：將測試集中包含的開發問題文本輸入到訓練好技術債務識別模型中，通過模型預測出輸入的開發問題涉及到技術債務的概率，其中，當預測概率大于或等于閾值時，則表明該開發問題涉及到了技術債務，否則表明該開發問題不涉及技術債務。

3.如權利要求1所述的基于軟件開發問題的技術債務識別方法，其特征在于，步驟S2包括：

S2.1：對開發問題文本進行字符處理，只保留英文字母以及情感標點符號，并將英文的大寫字母轉換為小寫字母；

S2.2：將開發問題文本中的所有的單詞轉化為其詞干形式；

S2.3：刪除開發問題文本中包含的功能詞。

4.如權利要求1所述的基于軟件開發問題的技術債務識別方法，其特征在于，LSTM層的處理過程包括：

每次依序讀取矩陣W中的子矩陣x，矩陣x的大小設置為5*300，每一次，LSTM利用門機制記錄并更新信息，當LSTM將整個矩陣W讀取完畢，并按照門機制更新狀態后，LSTM層會輸出一個最終狀態H，其中，矩陣W由開發問題文本通過嵌入層后得到，最終狀態H即為輸出的特征向量。

5.一種基于軟件開發問題的技術債務識別裝置，其特征在于，包括：

數據獲取模塊，用于基于開發問題跟蹤系統獲取開發問題集合，開發問題集合中的每一個開發問題包括兩部分：開發問題文本和開發問題類型，其中，開發問題文本為研發人員對該開發問題的描述性文字，開發問題類型表示開發問題是否涉及到技術債務；

預處理模塊，用于對獲取的開發問題集合中的開發問題文本進行預處理；

模型構建模塊，用于構建基于深度學習的技術債務識別模型，模型包括嵌入層、LSTM層和全連接層，其中，嵌入層用于將輸入的文本轉換為實數向量，LSTM層包括兩層，用于將輸入的實數向量轉換為特征向量，全連接層用于將兩個LSTM層輸出的特征向量轉換為實數，再通過Softmax函數得到開發問題涉及技術債務的概率，從而得到預測結果；

數據集劃分模塊，用于將預處理后的開發問題文本劃分為訓練集和測試集；

訓練模塊，用于利用劃分的訓練集對構建的基于深度學習的技術債務識別模型進行訓練，得到訓練好的技術債務識別模型；

技術債務識別模塊，用于利用訓練好的技術債務識別模型進行技術債務識別。

6.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被執行時實現如權利要求1至4中任一項權利要求所述的方法。

7.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至4中任一項權利要求所述的方法。