欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022103792100
申请人: 南通大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于质量过滤器的缺陷报告标题自动生成方法,其特征在于,包括以下步骤:(1)从GitHub上选择高质量开源项目,通过爬虫技术搜集开源项目内的缺陷报告内容和标题以构建数据集D,随后按照80%:20%的比例依次构造训练集Dtrain和验证集Dval;

(2)对训练集Dtrain和验证集Dval进行数据预处理,用于提升数据集质量;

(3)基于训练集Dtrain和验证集Dval,使用基于注意力机制的seq2seq深度学习模型构建标题自动生成模型MGen;

(4)构建基于双模块的质量过滤器,两个模块分别基于信息检索方法和深度学习方法构建,实现协同过滤;

(5)当输入新的缺陷报告内容后,基于两个过滤器,分别计算出预测结果,①如果两个模块都预测基于该缺陷报告内容,不能生成高质量标题,则输出警告信息;②否则,调用模型MGen,生成缺陷报告的标题;

其中,步骤(2)具体包括以下步骤:

2‑1)首先使用正则表达式,过滤并移除数据集中的三类低质量缺陷报告:①标题长度少于5个单词或大于15个单词或含有URL的;

②标题中有超过70%的单词未在内容中出现的;

③占标题70%以上长度的字符串出现在缺陷报告内容中;

2‑2)对缺陷报告的标题和内容进行进一步处理,使用正则表达式筛选出开发人员自己定义的变量名和版本号,在自定义的变量名前后插入“”、“”标识符,在版本号前后插入“”、“”标识符;通过上述处理,使得seq2seq深度学习模型在学习的时候保留些变量名和版本号的信息,并且在生成标题时直接复制这些信息,从而生成高质量标题;

所述步骤(3)中,构建基于双模块的质量过滤器,两个模块分别基于信息检索方法和深度学习方法构建,实现协同过滤,具体包括如下步骤:

3‑1)基于训练集Dtrain和验证集Dval,构建基于深度学习的质量过滤器模块;

①使用模型MGen,为训练集Dtrain和验证集Dval中的缺陷报告生成标题;

②依次计算训练集Dtrain和验证集Dval中每个缺陷报告生成标题和原标题间的BLEU指标值,BLEU指标可以评估两段文字之间的相似度,基于BLEU指标值构造训练基于深度学习的质量过滤器模块的数据集Dqua,若BLEU指标取值超过0.1,则将该缺陷报告的标签赋值为1,否则将该缺陷报告的标签赋值为0;

③将数据集Dqua按照70%和30%的比例进行分层采样以形成训练集和验证集,并基于该训练集和验证集,基于Transformer构建出基于深度学习的质量过滤器模块;

Transformer的超参和对应取值如下:

所述Transformer模型的编码器数量设置为两个;

所述Transformer模型的注意力头数设置为五个;

所述Transformer模型的词向量维度设置为300;

所述Transformer模型的隐藏层数量设置为两层;

所述Transformer模型的最大输入长度设置为100;

所述Transformer模型的dropout设置为0.5;

所述Transformer模型的优化器设置为Adam;

所述Transformer模型的学习率设置为0.001;

所述Transformer模型的一次训练所抓取的数据样本数量设置为256;

所述Transformer模型的激活函数设置为Relu;

④将需要生成标题的缺陷报告内容Issuenew,输入到基于深度学习的质量过滤器模块中,预测出是否可以生成高质量标题;

3‑2)构建基于信息检索的质量过滤器模块;

①依次取出训练集Dtrain和验证集Dval中的缺陷报告,将缺陷报告内容用TF‑IDF向量进行表示;

②将需要生成标题的缺陷报告内容Issuenew同样用TF‑IDF向量进行表示;

③随后基于信息检索的质量过滤器模块,基于余弦相似度,依次计算需要生成标题的缺陷报告Issuenew与训练集Dtrain和验证集Dval内的缺陷报告的相似度,并从中选出最为相似的前五个缺陷报告;

④接着基于BLEU指标,从这前五个缺陷报告中进一步选出BLEU值最高的缺陷报告,若其BLEU取值低于0.1,则预测针对缺陷报告内容Issuenew,不能生成高质量标题,否则预测生成高质量标题。