公开(公告)号：CN109615242A

公开(公告)日：2019-04-12

申请号：CN201811528909.9

申请日：2018-12-13

Applicant: 大连海事大学

Inventor： 陈荣 ,  王林辉 ,  王芝 ,  张德成 ,  李辉 ,  郭世凯

IPC: G06Q10/06 ,  G06F17/27 ,  G06N3/04

Abstract: 本发明公开了一种基于循环神经网络和代价敏感的软件bug分派方法，包括以下步骤：S1:对采集历史bug报告仓库中的原始数据集进行预处理；其中预处理包括筛选Bug报告、提取筛选出的Bug报告的文本信息、提取开发者活跃度信息；S2：在训练集上对CSDBT模型进行预训练；S3：使用自适应差分进化算法求解最优的误分类代价矩阵：验证集的数据进行求解，获取误分类代价矩阵的最优值；S4：将预训练好的的CSDBT模型和上一步得到的最优误分类代价矩阵相结合得到新CSDBT模型，最后输入测试集对新CSDBT模型进行测试。

公开(公告)号：CN109615241A

公开(公告)日：2019-04-12

申请号：CN201811528908.4

申请日：2018-12-13

Applicant: 大连海事大学

Inventor： 陈荣 ,  王林辉 ,  王芝 ,  李辉 ,  郭世凯

IPC: G06Q10/06 ,  G06F16/35 ,  G06F17/27

Abstract: 本发明公开了一种基于卷积和循环神经网络的软件Bug分派方法，包括以下步骤：S1:从选定的开源项目中获取原始bug报告数据集，并对其进行预处理成训练集和测试集；S2：将训练集中的样本依次输入CLBT模型中，训练CLBT模型中所有的参数直至收敛完成该模型的训练；S3：将测试集中的样本依次输入完成训练的CLBT模型中，每个样本都返回一个针对全部开发者的推荐概率，将该样本分派给概率最大的开发者。该方法首选对整个句子的层次关系和单词之间的长短依赖关系做了量化的特征提取，在考虑了已有技术中词序信息，同时进一步提取了单词的语义和上下文特征来参与bug报告的分派工作，对文本信息进行了更加充分有效的挖掘利用。