[发明专利]软件免测的预测方法、装置、设备及存储介质

权利要求书

1.一种软件免测的预测方法，其特征在于，包括：

获取提测软件的特征信息，所述特征信息为表征软件代码质量的信息；

将所述提测软件的特征信息输入免测分类预测模型进行免测分类预测处理，获取所述提测软件对应的免测分类预测结果；

其中，所述免测分类预测模型是基于训练样本集进行机器学习训练确定的，所述训练样本集包括样本软件的特征信息以及相应的免测分类标签。

2.根据权利要求1所述的方法，其特征在于，所述获取提测软件的特征信息，包括：

获取提测软件的代码变更信息、提测软件的开发人员信息和提测软件的代码依赖深度信息中的一种或多种；

将所述提测软件的代码变更信息、提测软件的开发人员信息和提测软件的代码依赖深度信息中的一种或多种作为所述提测软件的特征信息。

3.根据权利要求1所述的方法，其特征在于，还包括：

获取所述提测软件的软件版本质量；

若所述软件版本质量与所述免测分类预测结果不匹配，修正所述免测分类预测模型。

4.根据权利要求3所述的方法，其特征在于，所述修正所述免测分类预测模型，包括：

修改所述提测软件对应的免测分类预测结果；

将所述修改后的免测分类预测结果作为所述提测软件的特征信息相应的免测分类标签；

将所述提测软件的特征信息以及所述提测软件的特征信息相应的免测分类标签添加至所述训练样本集，得到修正训练样本集；

基于所述修正训练样本集进行机器学习训练，修正所述免测分类预测模型。

5.根据权利要求1所述的方法，其特征在于，还包括：

获取所述训练样本集；

划分所述训练样本集，得到训练数据集和验证数据集；

基于所述训练数据集中的样本软件的特征信息，使用预设机器学习模型进行免测分类训练，在免测分类训练中调整所述预设机器学习模型的模型参数至所述预设机器学习模型输出的免测分类标签与所述训练数据集中的免测分类标签匹配，得到当前的免测分类预测模型；

利用所述验证数据集，对所述当前的免测分类预测模型进行交叉验证；

若所述交叉验证通过，确定所述当前的免测分类预测模型为所述免测分类预测模型。

6.根据权利要求5所述的方法，其特征在于，还包括：

若所述交叉验证未通过，重新划分所述训练样本集，得到训练数据集和验证数据集；

基于重新划分得到的训练数据集进行所述免测分类训练，至所述交叉验证通过为止。

7.根据权利要求5所述的方法，其特征在于，所述获取训练样本集，包括：

获取所述样本软件的代码变更信息、样本软件开发人员信息和样本软件的代码依赖深度信息中的一种或多种作为所述样本软件的特征信息；

获取所述样本软件相应的免测分类标签；

将所述样本软件的特征信息以及所述样本软件相应的免测分类标签作为所述训练样本集。

8.一种软件免测的预测装置，其特征在于，包括：

特征信息获取模块，用于获取提测软件的特征信息，所述特征信息为表征软件代码质量的信息；

免测分类预测结果获取模块，用于将所述提测软件的特征信息输入免测分类预测模型进行免测分类预测处理，获取所述提测软件对应的免测分类预测结果；

其中，所述免测分类预测模型是基于训练样本集进行机器学习训练确定的，所述训练样本集包括样本软件的特征信息以及相应的免测分类标签。

9.一种软件免测的预测设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令以实现权利要求1至7中任意一项所述的方法。

10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。