(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111633840.8 (22)申请日 2021.12.2 9 (71)申请人 南通大学 地址 226019 江苏省南 通市崇川区啬园路9 号 (72)发明人 陈翔　葛骅　陈雪娇　林浩　苏展　 缪芸　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 代理人 王毅 (51)Int.Cl. G06K 9/62(2022.01) G06Q 10/06(2012.01) (54)发明名称 一种基于优化随机森林的缺陷报告严重程 度预测方法 (57)摘要 本发明属于软件质量保障技术领域， 具体涉 及一种基于优化随机森林的缺陷报告严重程度 预测方法。 本发 明首先从项目所在的缺陷跟踪系 统中， 搜集历史缺陷报告并下载， 对下载的数据 集进行预处理， 得到目标缺陷报告数据集； 然后 使用贝叶斯超参优化方法优化随机森 林模型， 获 得最优的超参数， 最后根据最优超参数， 构建缺 陷报告严重程度预测模型。 该发 明使用随机森 林 模型， 因其内部集成多个基分类器， 具有较强的 模型泛化能力； 利用贝叶斯超参优化方法可在预 设的取值范围内找出最优超参数， 进一步增强随 机森林模型的泛化能力， 提高模型的预测能力。 权利要求书2页 说明书6页 附图1页 CN 114186644 A 2022.03.15 CN 114186644 A 1.一种基于优化随机森林的缺陷报告严重程度预测方法， 其特 征在于， 包括以下步骤： (1)、 通过项目所在的缺陷跟踪系统， 抽取该项目历史缺陷报告 的两个属性： 描述信息 Summary和严重程度Severity， 假设搜集到n个缺陷报告， 构成缺陷报告的集合R＝(R1， R2， ...， Rn)， 其中第i个缺陷报告为Ri＝＜Summary， Severity ＞； (2)、 对所述缺陷报告的集合R中的描述信息Summary和严重程度Severity进行预处理， 得到目标缺陷报告数据集RL ＝(RL1， RL2， ...， RLn)， 其中第i个缺陷报告为RLi＝＜Presummary， Preseverity＞， Presummary表示预处理后的描述信 息， Preseverity表示预处 理后的严重程度； (3)、 将所述目标缺陷报告数据集RL按照7∶ 3的比例划分为训练集和验证集； (4)、 根据预设的超参数， 所述超参数包括： 基分类器个数和分类树的深度， 利用训练集 构建随机森林模型； (5)、 利用验证集， 采用所述随机森林模型进行 预测， 并计算平均绝对误差； (6)、 根据 所述预设的超参数和所述平均绝对误差， 利用贝叶斯超参优化方法获得一个 较优的超参数， 将所述较优的超参数作为下一次预设超参数； (7)、 重复步骤(4) ‑(6)K次， 得到最优 超参数； (8)、 基于所述 最优超参数和训练集， 构建缺陷报告严重程度预测模型。 2.根据权利要求1所述的一种基于优化随机森林的缺陷报告严重程度预测方法， 其特 征在于， 所述 步骤(2)具体包括如下步骤： (2‑1)、 删除所述缺陷报告的集合R中严重程度Severity为normal 的数据， 得到数据集 T； (2‑2)、 缺陷报告严重程度为7类， 从低到高分别为： 第一类enhancement、 第二类 trivial、 第三类minor、 第四类normal、 第五类major、 第六类critical和第七类blocker； 对 第一类enhancement、 第 二类trivial、 第三类minor、 第五类major、 第六类critical和第七 类blocker缺陷报告严重程度进行类别确定； 若缺陷报告的严重程度为第七类blocker， 则 将类型取值程度置为1； 若严重程度为第六类cr itical， 则将类型取值设置为2； 若严重程度 为第五类major， 则将类型取值设置为3； 若严重程度为第三类minor， 则将类型取值设置为 4； 若严重程度为第二类trivial， 则将类型取值设置为5； 若严重程度为第一类 enhancement， 则将类型 取值设置为6； 得到预处 理后的严重程度Preseverity； (2‑3)、 基于空格， 将所述数据集T中描述信息Summary切割 成单词、 将所述单词中的大 写字母转换为小写字母、 删除所述单词中的符号， 基于停用 词列表移除所述单词中的停用 词， 对剩余单词进行词形还原； (2‑4)、 基于Skip ‑gram词嵌入模型， 将所述数据集T中的描述信息Summary表示为分布 式向量， 得到预处 理后的描述信息Presummary； (2‑5)、 根据所述预处理后的严重程度Preseverity和所述预处理后的描述信息Presummary， 得到目标缺陷报告数据集。 3.根据权利要求1所述的一种基于优化随机森林的缺陷报告严重程度预测方法， 其特 征在于， 所述 步骤(4)具体包括如下步骤： (4‑1)、 预设一组超参数， 所述超参数包括： 基分类 器个数和分类树的深度； (4‑2)、 采用bagging方法对所述训练集进行有放回采样， 其中未被采样的数据称为袋权　利　要　求　书 1/2 页 2 CN 114186644 A 2外数据； (4‑3)、 使用基尼系数作 为随机森林模型中分类树的分裂规则， 使用袋外错误率选择特 征属性， 其中袋外错 误率表示为： (4‑4)、 基于所述分裂规则与袋外错误率， 根据所述有放回采样所得的数据进行所述分 类树的训练与构建； (4‑5)、 重复(4 ‑2)至(4‑4)l次， 建立 l个不同的基分类 器； (4‑6)、 使用多数投票法将所述 l个不同的基分类 器组合， 构建随机森林模型。 4.根据权利要求1所述的一种基于优化随机森林的缺陷报告严重程度预测方法， 其特 征在于， 所述 步骤(5)具体包括如下步骤： (5‑1)、 利用验证集， 采用所述随机森林模型进行预测， 得到各缺陷报告严重程度预测 值； (5‑2)、 根据各缺陷报告严重程度实际值计算平均 绝对误差， 所述平均绝对误差计算公 式如下： 公式(1)中， MAE为平均绝对误差， m为所述验证集中包含的缺陷报告数量， yi为第i个缺 陷报告严重程度实际值， 为第i个缺 陷报告严重程度预测值， 变化范围为[0， Q ‑1]， Q为缺 陷报告严重程度的个数。权　利　要　求　书 2/2 页 3 CN 114186644 A 3