一种基于谱聚类的小样本Bug Report有效性预测方法

本发明涉及软件工程领域，公开了一种基于谱聚类的小样本Bug Report有效性预测方法。首先，对n个项目的全部Bug Report文本进行预处理，包括文本提取、规范化、分词、去除停用词及word2vec向量化；其次，使用谱聚类算法结合多个评估指标将项目向量聚类为k个簇C＝{C1,C2,...,Ck}；再其次，计算每个项目的干扰度指标，对簇内项目间干扰进行检测与绑定，对聚类结果进行调整，使每个簇内样本规模不小于3000与正负样本比例处于[1/1.6,1.6/1]范围内的同时，全局的标准差达到最小，最终得到调整后的m个簇C′＝{C1′,C2′,…,Cm′}；最后，对于调整后的m个簇，为每个簇单独训练CNN模型用于Bug Report有效性分类预测。训练得到m个CNN模型，使用训练好的模型预测新提交的Bug Report的有效性。本发明给出一种小规模样本项目的Bug Report有效性预测方法，此方法能有效缓解小样本项目中数据稀缺问题，提升预测准确率，具有良好的通用性与工程应用价值，能够大大提升软件维护和Bug修复的效率，节省大量人力成本，为小样本场景下的模型训练提供了新的路线。