公开(公告)号：CN107391483A

公开(公告)日：2017-11-24

申请号：CN201710572175.3

申请日：2017-07-13

Applicant: 武汉大学

Inventor： 余啸 ,  刘进 ,  聂国平 ,  崔晓晖 ,  井溢洋

IPC: G06F17/27 ,  G06F17/30 ,  G06Q30/02

Abstract: 本发明公开了一种基于卷积神经网络的商品评论数据情感分类方法，针对传统的词向量表示方法只提取词汇特征和句法特征，而忽略了词语之间的语义关系的问题，传统的分类算法分类效果能以再被提升的问题，提出了一个基于卷积神经网络的商品评论数据情感分类方法。首先利用CBOW模型提取出每条评论数据的词向量特征，增强了词语之间的语义关系和词向量特征的表达能力，然后利用卷积神经网络模型这个深度学习网络模型建立情感分类模型，提升了评论数据的情感分类性能。本发明的技术方案具有简单、快速的特点，能够较好地提高评论数据情感分类的分类性能。

公开(公告)号：CN107247666A

公开(公告)日：2017-10-13

申请号：CN201710375644.2

申请日：2017-05-24

Applicant: 武汉大学

Inventor： 余啸 ,  刘进 ,  井溢洋 ,  崔晓晖 ,  邱昌

IPC: G06F11/36

Abstract: 本发明属于软件缺陷预测技术领域，特别是涉及一种基于特征选择和集成学习的软件缺陷个数预测方法，针对软件缺陷个数的预测中不相关的模块特征损害了缺陷预测模型性能，回归模型均具有不同的预测能力，无法选择最佳回归算法等问题，首先利用基于包裹式的特征选择方法过滤不相关和冗余的特征，然后采用六种不同的回归算法：线性回归、岭回归、决策树回归、梯度boosting回归、最近邻回归和多层感知器回归，采用集成学习技术，根据特征筛选后的数据实例，构建综合回归模型。相比于单个的回归模型，本发明提高了软件缺陷个数预测的准确性。

公开(公告)号：CN107025503A

公开(公告)日：2017-08-08

申请号：CN201710253504.8

申请日：2017-04-18

Applicant: 武汉大学

Inventor： 井溢洋 ,  刘进 ,  余啸 ,  崔晓晖 ,  张建升

IPC: G06Q10/04 ,  G06Q10/06

CPC classification number: G06Q10/04 ,  G06Q10/0639

Abstract: 本发明公开了一种基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法，包括标注每个跨项目实例即训练数据有多少个缺陷、根据经验提取实例内的度量属性、数据预处理、基于加权跨项目实例集构建贝叶斯缺陷预测模型、根据贝叶斯缺陷预测模型预测本项目实例是否有缺陷等五步骤；本发明对现有跨项目缺陷数据的权值计算方法进行改进，提出一种基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法，即在根据迁移学习计算权值的基础上，考虑缺陷个数信息的加成作用，有效避免了不平衡问题对预测结果造成的影响，从而提高了跨项目缺陷预测的精度。