[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

本發明公開了一種基于軟件開發問題的技術債務識別方法及裝置，其中的方法包括如下步驟：1.獲取軟件開發問題跟蹤系統中的開發問題集合，2.對開發問題文本進行預處理，3.基于深度學習的技術債務識別模型，包括嵌入層、長短時記憶網絡層和全連接層，4.訓練模型，5.模型的應用。本發明創新地關注軟件開發問題跟蹤系統中的開發問題是否包含技術債務，有利于軟件工程師更好的關注和管理軟件中的技術債務，并且使用基于LSTM的深度學習模型識別軟件開發問題跟蹤系統中每個開發問題是否包含技術債務，比傳統檢測方法的準確率更高。

技術領域

本發明涉及軟件技術領域，尤其涉及一種基于軟件開發問題的技術債務識別方法及裝置。

背景技術

技術債務是指軟件開發中為了項目的短期利益產生的不成熟的軟件制品，這些制品給軟件維護和演化帶來額外成本，并且該成本會隨著時間不斷累積。由于其對軟件質量的重大影響，技術債務已成為一個熱門話題，受到了學術界和工業界的極大關注。

現有技術中，主要通過兩種途徑來識別軟件中的技術債務：

(一)通過靜態源代碼分析來識別技術債務。高質量的軟件項目有著合理清晰的設計、簡潔明了的代碼。因此，軟件工程師可以通過適當的量化方法來分析項目中的源代碼，從而評估項目的質量以及捕捉項目中的技術債務。

(二)通過代碼注釋識別技術債務。Potdar和Shihab把在代碼注釋中明確承認的技術債務定義為自承認技術債務。當軟件工程師有意識地寫下不合理的代碼時，他們通常會在代碼旁邊手工注釋，以提醒自己或其他的軟件工程師。因此，可以通過這種帶有主觀意識的注釋去識別和判斷其周邊代碼的技術債務。

本本申請發明人在實施本發明的過程中，發現現有技術的方法，至少存在如下技術問題：

第一種方法依賴于各個軟件代碼的設計規范，且前期需要人工對各個項目進行大量的分析，耗費人力。第二種方法使用的代碼注釋依賴于軟件工程師的自發性，其使用場景和數據較少。因此，現有技術中的上述兩種途徑并不能完全且準確地識別出軟件中隱含的技術債務。

發明內容

本發明提供了一種基于軟件開發問題的技術債務識別方法及裝置，用以解決或者至少部分解決現有技術中存在的識別準確性不高的技術問題。

為了解決上述技術問題，本發明第一方面提供了一種基于軟件開發問題的技術債務識別方法，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。

在一種實施方式中，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。