申请/专利权人：大连理工大学

申请日：2024-04-30

公开（公告）日：2024-06-21

公开（公告）号：CN118228116A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/10;G06N20/00

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明属于软件测试技术领域，涉及一种用于提高软件故障报告处理效率的技术，具体为一种基于深度学习的工业软件故障报告判别方法，包括：按照关键词筛选收集GitHub上指定项目的故障报告、对导出的数据集进行预处理、数据扩充、数据清洗、模型训练和故障报告预测。本发明可用于不同工业软件项目的故障报告类型判别如开源项目Kratos、Dealii等；亦可根据特定软件项目的标准故障报告信息内容，对本发明的相关步骤进行适配，从而对该特定软件项目的故障报告进行判别分类。

主权项：1.一种基于深度学习的工业软件故障报告判别方法，其特征在于，包括如下步骤：步骤1：按照关键词筛选收集GitHub上指定项目的故障报告通过关键字筛选法，使用GitHub提供的项目仓库API收集状态为关闭的故障报告，这些故障报告在标题或是标签中出现需要检索的关键字；然后使用代码将提取的数据以结构化格式存储并导出至CSV文件；步骤2：对导出的数据集进行预处理首先对步骤1收集到的故障报告进行标记与分类，统一修改每条数据的标记名，标记名包括错误类别名、症状名和标签名；经过初步分类后判断是否为非程序错误并做出标记，继续提取故障报告内容中的日志信息，确定项目的标准日志输出格式；使用正则表达式并按照确定的标准日志格式进行数据清洗，最后获得每条故障报告中标准日志信息，并使用JSON文件操作模块将筛选后的数据输出为JSON文件；步骤3：数据扩充对步骤2中得到的JSON文件进行数据扩充，数据扩充目标：根据提取出的日志信息中的文件名以及提示的错误的函数名，获取对应函数的具体实现以及注释；将数据集中涉及的所有项目源文件从GitHub克隆到本地，通过编程获取文件路径和扩展名，然后遍历项目目录中的文件以查找指定源文件，判断查找的目标源文件是否存在，若不存在则跳过此条数据继续往下检索，若存在则使用正则表达式解析项目源代码，从中提取注释、函数名和函数实现扩充写入进JSON文件；步骤4：数据清洗对步骤3中获取的数据扩充文件进行数据清洗，输出为模型训练的输入数据集；预定义一个停用词表；使用正则表达式或其他字符串处理技术，去除文本中的特殊符号，包括标点符号、括号、引号；将经过清洗的数据输出为csv文件并分为两列，存储数据列和标签信息列；步骤5：模型训练a：选用预训练好的开源BERT-BASE-UNCASED模型进行微调，具体为：首先模型微调构建，在BERT的顶部添加两个线性层，用于分类目的，并设置dropout＝0.1和ReLU作为激活函数；使用步骤4中输出的数据集，通过与预训练模型对应的分词器，使用encode_plus方法将文本数据编码成模型能接受的输入格式，并将编码后的数据以字典形式返回，其中包括tokenIDs、attentionmask和tokentypeIDs以及对应判断标签；b：选用K折训练法，将数据集分成K个大小相等的子集；对于每个子集，将其作为验证集，其余K-1个子集作为训练集，训练模型并在验证集上评估性能，重复上述步骤K次并计算K次验证结果的平均值作为最终评估结果；进行模型微调训练并保存，同时输出模型训练日志；步骤6：故障报告预测使用步骤5中微调好的BERT-BASE-UNCASED模型进行故障报告的分类预测，输入新获取的故障报告中的信息，模型输出对该报告是否为一个真正的错误的预测，预测结果为Y或者N。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于深度学习的工业软件故障报告判别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD