1.一种基于描述关键词抽取的缺陷报告严重程度预测方法,其特征在于,所述预测方法包括以下步骤:S1、从项目所在的缺陷跟踪系统中选择状态为CLOSED与FIXED,严重程度为Blocker、Critical、Major、Minor和Trivial的缺陷报告,并对上述缺陷报告的数据进行下载,其中,下载的字段包括缺陷摘要、缺陷描述和缺陷报告严重程度,基于此构成数据集;
S2、对数据集中缺陷摘要字段中的文本依次进行分词、去停用词、词形还原处理,得到相应的分词集TS3、利用步骤S2中的分词集T
S4、对数据集中缺陷描述字段进行关键词提取与表示,得到缺陷描述向量ES5、合并所述缺陷摘要向量E
S6、基于所述输入向量E
S7、输入新的缺陷报告,对其缺陷摘要进行步骤S2的处理,对其缺陷描述进行步骤S4的处理,基于步骤S5合并两向量并输入步骤S6所得缺陷报告严重程度预测模型,得到最终预测结果。
2.根据权利要求1所述的基于描述关键词抽取的缺陷报告严重程度预测方法,其特征在于,在所述步骤S4中,对实验数据集中缺陷描述字段进行关键词提取与表示,得到缺陷描述向量ES401、对数据集中缺陷描述字段利用正则化方法进行字符串替换,包括:匹配包含URL的内容并使用“url”字符串进行替换,匹配控制台输出内容并使用“console”字符串进行替换,匹配代码片段并使用“code”字符串进行替换,再对其进行分词、去停用词、词形还原处理,得到对应的分词集;
S402、基于所述分词集,利用关键词抽取方法Textrank提取缺陷描述的关键词集TS403、基于所述关键词集T