[发明专利]面向软件缺陷的领域知识图谱自动化构建方法

说明书

本发明涉及面向软件缺陷的领域知识图谱自动化构建方法。本发明对bug缺陷关系三元组的抽取，再对bug缺陷领域的分类，即将bug缺陷库中bug相关信息进行收集并处理bug描述信息，通过自然语言处理得到描述句子中动词短语和名词短语，再根据bug信息相关的词与词之间依存关系，得出bug关系三元组，提取bug缺陷领域特征，采用半监督分类器进行训练、学习，使得分类器自动分类之前未被标记的三元组，将所有分类过的关系三元组存放在图形数据库中，构造出面向软件缺陷的领域知识图谱。本发明克服了在bug缺陷领域无有效处理方法的缺陷。本发明从自然语言处理角度，分析bug缺陷描述，帮助软件开发者和维护者更直观、快速、准确理解bug缺陷信息及其领域知识，提高效率，实现软件缺陷领域知识图谱，建立bug之间的关联关系。

技术领域

本发明属于软件维护领域，特别涉及面向软件缺陷的领域知识图谱自动化构建方法。

背景技术

软件开发人员和维护人员为了解决自己所遇到的一些bug问题通常会需要借助一些包含bug缺陷库的网站如Bugzilla对bug缺陷相关信息进行搜索。但是，这些网站大多数采用基于传统的关系数据库的搜索方法，搜索得到的结果大多虽然包含了bug缺陷大量的信息和属性，但是bug缺陷相互之间的联系不是特别的明显。另外，搜索者通过关键词进行检索时，网站采用逐一进行关键字匹配的方式就会使得搜索结果不准确，并且当搜索者输入的关键词较少或者关键词较多时，结果会产生两个极端(1)搜索结果不仅数量庞大且相关性较低，也没有按匹配后的相似度高低进行排序，这使得搜索者还需要花费大量时间进行信息的浏览和筛选；(2)返回结果数量极少甚至没有，且返回的信息也并不都是真正相关的。这些搜索结果使得搜索者很难找到自己真正需要的信息，耗时耗力。

在本发明之前，目前知识图谱研究已经取得了很多成果，形成了一些开放的知识图谱，尤其是领域知识图谱的构造得到了许多人的关注。但是针对软件缺陷的领域知识图谱构建的研究还处在起步阶段。另外，自然语言处理在其他领域知识图谱的构造用的很多，但很少用在bug缺陷领域。现有的bug缺陷库的数据来源质量高，对于这些bug缺陷信息通过自然语言处理，然后以知识图谱的形式建立他们之间的联系，可以提高软件开发者和维护人员解决bug缺陷的效率。

发明内容

本发明的目的就在于克服上述缺陷，研发出面向软件缺陷的领域知识图谱自动化构建方法。

本发明的技术方法是：

面向软件缺陷的领域知识图谱自动化构建方法，其特征在于如下步骤：

(1)对相关bug缺陷库中的bug缺陷信息进行抓取。抓取bug报告中的BugID、缺陷描述信息以及平台、产品、组件、和状态四种主要属性，并对抓取到的bug缺陷的描述信息进行自然语言处理，其中主要包含步骤：词语切分、词性标注；

(2)根据自然语言处理过后句子中词的词性标注，利用短语识别的正则表达式识别出句子中的名词短语NP、动词短语VP和带有开放从句补语的动词短语VVP：

(3)对bug缺陷描述信息进行依存句法分析，找出具体的“依赖”词和“主导”词之间的依存关系，提取出缺陷描述句子中的语法结构；

(4)根据词与词之间的依存关系，并结合步骤(2)中提取到的NP与VP，构造出bug缺陷描述信息的关系三元组(NP1，VP，NP2)，一个缺陷描述语句通常不止一个关系三元组；

(5)对步骤(4)所提取到的bug缺陷描述信息的关系三元组进行补充，加入步骤(1)抓取到的bug缺陷信息中的BugID。最终生成关于bug缺陷的关系四元组(BugID，NP1，VP，NP2)；

(6)利用步骤(1)中采集的bug缺陷的属性X，构成bug缺陷的属性三元组(BugID，property，X)，作为对bug信息的进一步描述，为之后的软件缺陷领域知识图谱的构建做准备；