申请/专利权人：西北工业大学

申请日：2021-05-24

公开（公告）日：2024-02-27

公开（公告）号：CN113407439B

主分类号：G06F11/36

分类号：G06F11/36;G06F18/214;G06F18/25;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.27#授权;2021.10.08#实质审查的生效;2021.09.17#公开

摘要：本发明公开了一种用于软件自承认型技术债务的检测方法，首先进行数据集的获取和处理；然后构建自承认型技术债务检测模型；包括三个并行的基分类器；分别为CNN、CNN‑LSTM混合模型和DPCNN；将词向量矩阵分别输入三个基分类器，每个基分类器输出各自对注释数据属于自承认型技术债务的概率；将三个基分类器输出分类结果进行融合，得到最终的注释数据属于自承认型技术债务的概率；最后判断概率和分类阈值的大小关系，输出检测注释数据是否为自承认型技术债务的结果。本发明可以克服误判率较高的问题，相对于其他方法能够识别出更多数量的SATD，同时减少了单一模型的偏见性，从而解决了在识别SATD时存在的误判，准确率低的问题。

主权项：1.一种用于软件自承认型技术债务的检测方法，其特征在于，包括以下步骤：步骤1：数据集的获取和处理；采用公开的源代码注释数据集，将源代码注释数据集中的数据划分为多个项目数据集，然后分别进行符号化、移除停用词，然后进行文本表示转化为注释矩阵；将注释矩阵输入神经网络的Embedding层，对Embedding层进行训练，输出词向量；再将词向量按照注释顺序拼接后得到词向量矩阵；步骤2：构建自承认型技术债务检测模型；所述自承认型技术债务检测模型包括三个并行的基分类器；第一个基分类器为CNN；第二个基分类器为CNN-LSTM混合模型；第三个基分类器为DPCNN；将词向量矩阵分别输入三个基分类器，对每个基分类器单独进行训练，训练完成后，每个基分类器输出各自对注释数据属于自承认型技术债务的概率；将三个基分类器输出结果进行融合，得到最终的注释数据属于自承认型技术债务的概率；设定分类阈值，若属于自承认型技术债务的概率大于分类阈值，则判定该注释数据为自承认型技术债务；若属于自承认型技术债务的概率小于等于分类阈值，则判定该注释数据为非自承认型技术债务；步骤3：将待检测注释数据输入自承认型技术债务检测模型，输出结果为该待检测注释数据是否为自承认型技术债务的结果。

全文数据：

权利要求：

百度查询： 西北工业大学 一种用于软件自承认型技术债务的检测方法

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