-
公开(公告)号:CN115269246A
公开(公告)日:2022-11-01
申请号:CN202210895176.2
申请日:2022-07-26
Applicant: 南通大学
Abstract: 本发明提供了一种基于二元相关性和逻辑回归分析的阻塞Bug识别方法,属于计算机应用技术领域,解决了对软件Bug阻塞和被阻塞标签的自动化预测的问题;其技术方案为:包括以下步骤:(1)通过筛选Bug报告中的“Blocks”和“Depends on”字段来构建特殊的数据集;(2)采用Word2Vec方法对Bug报告中的自然语言部分进行编码转换为向量形式;(3)对Bug报告中提取的多个字段进行相关性分析,筛选出相关性高的一部分字段作为模型训练的特征;(4)通过BR‑LR针对两个数据集分别学习到Bug标签的不同预测方法;(5)结合两个预测模型对Bug不同标签的预测结果,生成预测报告。本发明的有益效果为:本发明结合Binary Relevance和逻辑回归分析,通过对训练数据集的筛选和划分,实现对阻塞Bug的双标签的预测。
-
公开(公告)号:CN114491293A
公开(公告)日:2022-05-13
申请号:CN202210104815.9
申请日:2022-01-28
Applicant: 南通大学
IPC: G06F16/9536 , G06Q50/00 , G06K9/62
Abstract: 本发明属于复杂网络分析技术领域,具体涉及一种统一化融合内容信息的半监督社团检测方法。本发明的步骤为:形式化带有节点内容网络中的拓扑和内容信息;利用基于非负矩阵分解的生成框架实现基于标准NMF和SNMF的拓扑子模型,计算结构相似度构建must‑link先验信息以调整节点社团隶属度,借鉴pLSA主题模型思想,基于非负矩阵分解构建内容子模型;引入平衡因子统一化融合具有先验信息的拓扑子模型和内容子模型,进而构建统一化融合节点内容半监督社团检测模型,最后,利用梯度下降法学习模型参数,得到节点的社团隶属度矩阵,进行聚类以挖掘网络中社团结构,运用标准化互信息熵NMI和调整兰德系数ARI对模型性能进行评估。
-
公开(公告)号:CN109857653A
公开(公告)日:2019-06-07
申请号:CN201910042053.2
申请日:2019-01-17
Applicant: 南通大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于主动学习的无监督缺陷程序模块识别方法,属于软件质量保障领域。本发明包括:1)从待测项目中抽取程序模块进行度量,形成数据集D;2)采用聚类方法将D内的程序模块分为可能有缺陷和可能没有缺陷两类,分别随机选k1个模块标记,形成已标记数据集L,和未标记数据集U,基于L构建预测模型;3)判断缺陷模块数查全率是否达预期,若达到,终止标记过程,否则执行步骤4);4)使用两阶段标记方法从U中选出一定数量的程序模块进行标记并添加到L中;5)基于L构建缺陷预测模型,执行步骤3)。本发明方法可以在不存在历史标记数据集的情况下,花费较少的标记代价,检测到被测项目内的绝大部分有缺陷程序模块。
-
公开(公告)号:CN106844218A
公开(公告)日:2017-06-13
申请号:CN201710076573.6
申请日:2017-02-13
Applicant: 南通大学
IPC: G06F11/36
Abstract: 本发明提供一种基于演化切片的演化影响集预测方法,主要用于构建演化影响集以辅助软件开发者和维护者作出演化策略,包括如下步骤:识别演化元素;生成演化切片准则;构建演化数据依赖图;构建演化控制依赖图;生成演化切片作为演化影响集;度量演化影响集。本发明公开的基于演化切片的演化影响集预测(ESISP)方法具有较高的查全率和较低的存伪率,能有效辅助软件开发人员和维护人员作出相关决策。
-
-
-