[发明专利]软件项目知识图谱自动构造方法与系统

权利要求书

1.一种软件项目知识图谱自动构造方法，其特征在于，包括以下步骤：

1)对原始软件资源数据进行解析，得到软件项目的基础知识实体及其关联，并将基础知识实体及其关联以顶点和边的形式存储在图数据库中；

2)在已有基础知识实体及其关联的基础上，采用知识提炼方法在实体之间建立新的关联，和/或在知识图谱中添加新的基础知识实体及其关联，并以顶点和边的形式存储在图数据库中；

3)选择步骤1)、步骤2)得到的部分或全部基础知识实体及其关联，构成软件项目知识图谱。

2.如权利要求1所述的方法，其特征在于，步骤1)中每种软件资源数据的解析方法以插件形式存在，步骤2)中的知识提炼方法以插件形式存在，步骤3)通过选择并运行需要的插件来生成软件项目知识图谱。

3.如权利要求2所述的方法，其特征在于，基于开源的Spring框架实现软件项目知识图谱的自动构造，支持动态灵活地添加两种类型的插件：数据解析插件和知识提炼插件。

4.如权利要求1至3中任一权利要求所述的方法，其特征在于，步骤1)包括软件项目源代码解析、软件项目问答文档解析和软件项目需求/设计文档解析。

5.如权利要求4所述的方法，其特征在于，所述软件项目源代码解析包括以下步骤：

1-1-1)将Java编写的软件项目源代码解析为抽象语法树；

1-1-2)遍历抽象语法树，记录代码中代码元素信息；

1-1-3)在图数据库中添加4种类型的顶点：类、方法、接口、域，以及6种关联：类和类之间的继承关联、类和接口之间的实现关联、类和方法之间的包含关联、类和域之间的包含关联、方法和方法之间的调用关联、方法和域之间的调用关联；每种类型的顶点都有对应的属性值。

6.如权利要求4所述的方法，其特征在于，所述软件项目问答文档解析包括以下步骤：

1-2-1)从XML格式的归档文件中根据标签提取项目相关Post和User；

1-2-2)根据Post ID和User ID，将多个Post组织成一个问答文档，每个问答文档包含一个问题，0个或多个回答，每个问题和回答都有唯一的作者及若干评论；

1-2-3)遍历所有的问答文档，在图数据库中添加4种类型的顶点：问题、回答、评论、用户，以及4种关联：问题和回答之间的回复关联、问题/回答和评论之间的评论关联、问题/回答和用户之间的作者关联、问题和问题之间的重复关联。

7.如权利要求4所述的方法，其特征在于，所述软件项目需求/设计文档解析，要求文档格式为微软Office Word文档，在存放文档的根目录下标明该目录下是需求文档或设计文档，包括以下步骤：

1-3-1)递归搜索文档根目录下的文件，如果后缀名是“.docx”则执行1-3-2)，否则跳过该文件；

1-3-2)对.docx格式的文件进行解析，解析后的每个文档是由多个章节组成的树形结构，每个章节下细分为三种类型的节点：纯文本、表格、子章节；

1-3-3)遍历单个文档所对应的结构树，在图数据库中添加4种类型的顶点：文档、文档章节、文档表格、文档纯文本，其中文档类型节点含有一个文档类型属性，根据根目录的信息可设置为需求/设计；同时在图数据库种添加1种关联：包含关联，表示文档和章节、章节和子章节、章节和纯文本、章节和表格之间的从属关系。