【摘要】：本文通過分析傳統(tǒng)的需求和bug管理系統(tǒng)中的數(shù)據(jù)記錄,完成對(duì)需求的相似性判斷推薦和需求變更影響的衡量以及bug修復(fù)優(yōu)先級(jí)、嚴(yán)重性、報(bào)告重復(fù)性等預(yù)測(cè)推薦,來提高傳統(tǒng)系統(tǒng)中歷史數(shù)據(jù)的使用率和用戶的體驗(yàn),并將新增的預(yù)測(cè)推薦功能和傳統(tǒng)系統(tǒng)結(jié)合的基礎(chǔ)上進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)。本文的主要研究點(diǎn)包括以下四點(diǎn):(1)傳統(tǒng)文本分類算法針對(duì)短文本分類的改進(jìn),傳統(tǒng)的文本分類算法是基于大量冗余文本的基礎(chǔ)而設(shè)計(jì)的,而短文本所含冗余信息有限,若仍然使用傳統(tǒng)的文本分類方法一般達(dá)不到預(yù)期結(jié)果。本文短文本的固有特點(diǎn)進(jìn)行分析,從提高文本內(nèi)聯(lián)性和關(guān)鍵冗余擴(kuò)展兩方面著手,進(jìn)行改進(jìn)實(shí)驗(yàn),并證實(shí)改進(jìn)后的算法能有效提高短文本分類的準(zhǔn)確率。(2)對(duì)需求變更影響進(jìn)行衡量。定義系統(tǒng)實(shí)現(xiàn)組件和需求間的關(guān)系、組件重要性、需求變更影響度以及相似需求的判定推薦算法來實(shí)現(xiàn)需求變更影響的衡量,并在系統(tǒng)中提供用戶評(píng)價(jià)反饋功能來評(píng)估系統(tǒng)算法,以系統(tǒng)評(píng)估代替人工的方式,達(dá)到統(tǒng)一了評(píng)估標(biāo)準(zhǔn)和降低了人工工作量的目的。(3)對(duì)bug修復(fù)的優(yōu)先級(jí),嚴(yán)重性和bug報(bào)告的重復(fù)性進(jìn)行預(yù)測(cè)判斷。通過數(shù)據(jù)挖掘推薦算法的使用和改進(jìn),對(duì)開源系統(tǒng)的bug記錄進(jìn)行實(shí)驗(yàn)判斷。通過系統(tǒng)進(jìn)行bug的修復(fù)預(yù)測(cè),解決了新產(chǎn)生bug的屬性的判定用戶經(jīng)驗(yàn)和主觀性影響大的問題,并且可以進(jìn)行批量預(yù)測(cè),有效提高bug歸屬判斷的預(yù)測(cè)效率。(4)在傳統(tǒng)的需求與bug管理系統(tǒng)的基礎(chǔ)上增加了推薦預(yù)測(cè)功能,并基于用戶個(gè)人標(biāo)簽和用戶系統(tǒng)標(biāo)簽來進(jìn)行任務(wù)歸屬的推薦。在分類預(yù)測(cè)算法中主要借鑒近年來的一些研究成果,并在其基礎(chǔ)上做了相應(yīng)的適用性改進(jìn)以解決短文本的文本向量矩陣數(shù)據(jù)稀疏性問題,并有效了提高推薦的準(zhǔn)確率,系統(tǒng)對(duì)用戶標(biāo)簽的自動(dòng)提取,可以進(jìn)行個(gè)性化推薦功能。
[Abstract]:Based on the analysis of traditional requirements and data records in bug management system, this paper accomplishes the evaluation of requirement similarity and requirement change, as well as bug repair priority, severity, report repeatability, and so on. To improve the utilization rate of historical data and user's experience in the traditional system, and design and implement the new predictive recommendation function combined with the traditional system. The main research points of this paper are as follows: (1) the traditional text classification algorithm is based on the foundation of a large number of redundant text, and the redundant information contained in the short text is limited. If the traditional text classification method is still used, the expected results are generally not achieved. This paper analyzes the inherent characteristics of the short text, from the aspects of improving the inline of the text and extending the key redundancy, the improvement experiment is carried out. It is proved that the improved algorithm can effectively improve the accuracy of short text classification. (2) the impact of requirement change is measured. The relationship between components and requirements, the importance of components, the degree of impact of requirement change and the recommendation algorithm of similar requirements are defined to measure the impact of requirement change. And provide the function of user evaluation feedback in the system to evaluate the system algorithm, system evaluation instead of manual way to achieve the purpose of unifying the evaluation standard and reducing the manual workload. (3) the priority of bug repair. Severity and repeatability of bug reports were predicted. Through the use and improvement of data mining recommendation algorithm, the bug records of open source system are judged experimentally. Through the repair prediction of bug, the problem of judging the attributes of bug is solved, which has great influence on user experience and subjectivity, and the batch prediction can be carried out. The prediction efficiency of bug attribution judgment is improved effectively. (4) based on the traditional requirement and bug management system, the recommendation prediction function is added, and the task attribution recommendation is made based on the user personal label and the user system label. In the classification prediction algorithm, we mainly draw lessons from some research achievements in recent years, and on the basis of it, we make the corresponding applicability improvement to solve the sparse problem of text vector matrix data of short text, and effectively improve the accuracy of recommendation. The system can automatically extract user tags, and can carry out personalized recommendation function.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP311.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魏強(qiáng);金芝;許焱;;基于概率主題模型的物聯(lián)網(wǎng)服務(wù)發(fā)現(xiàn)[J];軟件學(xué)報(bào);2014年08期

2 劉華哠;金英;馬鵬飛;;一種需求變更影響分析方法[J];計(jì)算機(jī)研究與發(fā)展;2013年08期

3 張志飛;苗奪謙;高燦;;基于LDA主題模型的短文本分類方法[J];計(jì)算機(jī)應(yīng)用;2013年06期

4 林小俊;張猛;暴筱;李軍;吳璽宏;;基于概念網(wǎng)絡(luò)的短文本分類方法[J];計(jì)算機(jī)工程;2010年21期

5 寧亞輝;樊興華;吳渝;;基于領(lǐng)域詞語本體的短文本分類[J];計(jì)算機(jī)科學(xué);2009年03期

6 李引;李娟;李明樹;;動(dòng)態(tài)需求跟蹤方法及跟蹤精度問題研究[J];軟件學(xué)報(bào);2009年02期

7 王青,李明樹;基于SPC的軟件需求度量方法[J];計(jì)算機(jī)學(xué)報(bào);2003年10期

8 鄧景毅,葉世綺,鄭欣;軟件成熟度模型(CMM)發(fā)展綜述[J];計(jì)算機(jī)應(yīng)用研究;2002年07期

9 劉小波,郭荷清;軟件系統(tǒng)需求變更影響分析及解決方案[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年04期

10 盧梅,李明樹;軟件需求工程——方法及工具評(píng)述[J];計(jì)算機(jī)研究與發(fā)展;1999年11期

相關(guān)博士學(xué)位論文 前1條

1 王培剛;基于復(fù)雜科學(xué)管理理論的軟件需求分析研究[D];武漢大學(xué);2012年

相關(guān)碩士學(xué)位論文 前6條

1 吳太文;基于缺陷分析的軟件體系結(jié)構(gòu)退化研究[D];中南大學(xué);2013年

2 范云杰;基于維基百科的中文短文本分類研究[D];西安電子科技大學(xué);2013年

3 楊歡;軟件需求變更的影響因素和控制管理研究[D];華東理工大學(xué);2012年

4 孟憲芳;企業(yè)內(nèi)部軟件開發(fā)項(xiàng)目范圍管理研究[D];北京郵電大學(xué);2010年

5 趙志明;軟件開發(fā)項(xiàng)目中需求管理研究[D];重慶大學(xué);2008年

6 陳媛;極限編程在寬帶多媒體系統(tǒng)開發(fā)中的應(yīng)用[D];北京郵電大學(xué);2006年

，

本文編號(hào)：2216120