[发明专利]一种基于语义层次聚类的软件功能需求分类方法及系统

说明书

本发明公开了一种基于语义层次聚类的软件功能需求分类方法，包括将功能需求文本整理成名词加动词的标准文本；对整理后的标准文本进行切词；对切词后的文本构建词袋模型；将词袋模型中的词袋向量转成权值向量；对转换后的权值向量进行余弦相似度计算；对经过余弦相似度计算后的权值向量进行聚类，本发明利用层次聚类算法计算能力强，效率高且分类个数可调的特点，直观准确的显示分类效果。

技术领域

本发明属于软件需求分类技术领域，尤其涉及一种基于语义层次聚类的软件功能需求分类方法及系统。

背景技术

随着工程机械行业日益增多的智能化、网联化、数字化等功能，并且机型种类多，自然语言描述的需求文本也日益增多，对需求文本处理的好坏，决定了工程机械软件开发的品质。然而当前需求文本的处理方法还停留在人工分类阶段，人工分类存在对人的分类经验要求较高，领域知识不全面，主观影响较大，分类效率不高，难以准确分类等缺点。分类精准化和高效化是解决上述缺点的主要途径，也是提升工程机械开发品质的关键。

目前工程机械行业对文本功能需求分类主要采用人工分类，分类效果较差，针对工程机械机型较多、分类要求较为精确的特点，如果没有高效准确的分类方法，只借助人工分类，不仅不直观精度也难以把握。

发明内容

本发明的目的在于提供一种基于语义层次聚类的软件功能需求分类方法及系统，能够对软件功能需求进行高效分类。

为实现上述目的，本发明提供如下技术方案：

第一方面，提供了一种基于语义层次聚类的软件功能需求分类方法，包括：

将功能需求文本整理成名词加动词的标准文本；

对整理后的标准文本进行切词；

对切词后的文本构建词袋模型；

将词袋模型中的词袋向量转成权值向量；

对转换后的权值向量进行余弦相似度计算；

对经过余弦相似度计算后的权值向量进行聚类。

结合第一方面，进一步的，所述对切词后的文本构建词袋模型具体为：将切词后的文本去重后构建成词条列表，然后将文本构建成一个向量，向量的维度与词条列表的维度相同，向量的值为词条在该文本中出现的次数。

结合第一方面，进一步的，通过TF-IDF统计法将词袋向量转换为权值向量。

结合第一方面，进一步的，所述对转换后的权值向量进行余弦相似度计算具体为：采用下式对转换后的权值向量进行余弦相似度计算：

A_i、B_i分别为进行相似度比较的两个权值向量，n为样本总量；然后将相似的向量归为一类。

结合第一方面，进一步的，所述对经过余弦相似度计算后的权值向量进行聚类为：

将归为一类的向量作为一个初始聚类簇，然后找出两个聚类最近的两个簇进行合并，不断重复，直到达到预设条件。

结合第一方面，进一步的，两个簇之间的距离通过下式进行计算：

最小距离：

最大距离：

平均距离：

其中，C_i和C_j分别表示第i和第j个簇，X和Z分别表示簇C_i和C_j中的样本。

结合第一方面，进一步的，还包括将聚类的结果数据可视化，去除单独成为一类的数据，将两个或两个以上的需求文本聚成一类进行可视化。