[发明专利]一种基于事件日志的软件开发活动聚类分析方法

说明书

本发明涉及一种基于事件日志的软件开发活动聚类分析方法，属于软件工程、过程挖掘技术领域。首先利用自然语言处理技术对软件开发过程版本控制系统的事件日志数据进行文本解析和特征词提取，并基于word2vec实现软件开发活动事件日志向量化，然后基于K‑means聚类算法对向量化后的软件开发活动事件进行聚类，并利用轮廓系数法得到最优聚类簇数，最终获得软件开发活动以及事件与活动的关联关系。本发明能增强软件开发事件日志的可理解性、揭示事件日志数据蕴含的信息，便于发现软件开发活动并指导和规范软件开发行为，为软件开发提供技术支持。

技术领域

本发明涉及一种基于事件日志的软件开发活动聚类分析方法，属于软件工程、过程挖掘技术领域。

背景技术

在软件开发过程中会产生一系列的软件开发活动和事件日志数据，这些不断增长的事件日志数据记录了软件开发活动实施的具体详情，对规避软件开发项目风险、提高软件开发项目成熟度和控制软件产品质量具有重要意义。然而，由于对事件日志数据重视程度不够、原始事件日志数据繁杂和难以被理解等原因，软件开发过程中的事件日志没有充分发挥其价值。利用过程挖掘的方法对软件开发活动进行挖掘与分析，将有助于揭示事件日志数据蕴含的信息，更好地理解、规范和指导软件开发行为，为软件开发提供技术支持。

发明内容

本发明要解决的技术问题是以软件开发过程中的事件日志数据为基础，提供一种基于事件日志的软件开发活动聚类分析方法。通过该方法可以增强软件开发事件日志的可理解性、便于发现软件开发活动及其关系并指导和规范软件开发行为。

本发明的技术方案是：一种基于事件日志的软件开发活动聚类分析方法，利用自然语言处理技术对软件开发过程版本控制系统的事件日志数据进行文本解析和特征词提取，并基于word2vec实现软件开发活动事件日志向量化，然后基于K-means聚类算法对向量化后的软件开发活动事件进行聚类，并利用轮廓系数法得到最优聚类簇数，最终获得软件开发活动以及事件与活动的关联关系。

Step1、事件日志特征词抽取；

软件开发过程事件日志数据是一个扩展的XML文件存储格式，相关的节点及子节点记录了事件的id、作者、事件信息等数据。如，logentry属性节点表示事件信息，包含revision、author、paths、msg等属性子节点。revision表示事件的id，author表示事件的发起者，paths表示事件所操作的文件及路径，msg表示事件的描述。针对每个事件节点执行Step1.1-Step1.3，具体步骤为：

Step1.1、解析xml文件，提取节点元素文本内容；

Step1.2、去除介词、形容词和副词等含义较少的停用词，保留动词和名词等实体词汇；

Step1.3、把各种时态的词汇转化为一般形式，做词性还原；

Step2、事件日志向量化；

在完成软件开发过程事件日志特征词抽取后，为了进行事件间相似度的度量，进而实现软件开发活动聚类，需要对事件日志的每个事件信息进行向量化。所述步骤Step2的具体步骤为：

Step2.1、根据事件属性子节点与软件开发活动的相关性，分别对所属特征词赋不同权重值。

Step2.2、通过调用Word2vec接口，构建Continuous Bag-of-Words Model(CBOW)连续词袋模型，对软件开发事件日志特征词进行词向量训练；

Step2.3、将Step2.2步骤的输出结果(软件开发活动事件日志特征向量)归一化到[0,1]区间；

Step2.4、得到软件开发活动事件日志加权向量矩阵。假设整个事件日志具有n个事件，通过向量化后得到如下软件开发活动事件日志加权向量矩阵：