[发明专利]一种软件配置代码制品的层次分类方法

说明书

本发明涉及一种软件配置代码制品的层次分类方法，通过分析软件配置代码制品标签自动构建配置代码的层次分类体系，然后基于监督学习方法实现一组分类器，并通过这些分类器自动完成数量众多的配置脚本代码制品的层次化分类。本发明能够方便用户查找和使用软件配置代码制品，提高制品分类的准确性，从而有效减少用户浏览确认的时间和代价。

技术领域

本发明涉及一种软件配置代码制品的层次分类方法，尤其涉及一种面向多种软件配置工具的大量可重用脚本代码的层次化分类体系构造和基于该分类体系的配置代码制品的层次化分类，属于计算机软件技术领域。

背景技术

配置管理工具(Configuration Management Tool，CMT)是实现开发运维一体化(Development and Operations，DevOps)的重要支撑工具，当前主流的CMT采用代码即基础设施(Infrastructure as Code，IaC)的方式，通过代码来描述目标系统配置，实现自动化的系统安装和配置，从而满足DevOps所倡导的持续交付、快速部署和高效运维。基于此，使用CMT已成为运维管理领域的主流趋势。软件配置代码制品(以下简称CMT制品)是CMT工具用以安装、配置和管理特定的软件系统的可复用执行脚本。在开源技术社区快速发展的背景下，CMT社区积累了大量的、并且持续快速增长的CMT制品，例如，Chef、Puppet、Ansible三个CMT社区已有4200多用户，贡献超过14000个CMT制品。

但是，大量的CMT制品给用户如何正确选择和使用带来了困难。仅仅基于制品列表和关键字搜索用户难以得到准确的结果，仍要花费大量时间对搜索结果进行浏览和细化。因此，软件运维管理领域迫切需要一种CMT制品的自动化层次分类机制，以满足用户快速检索和准确定位目标制品的需求。层次化分类将大规模数据按照特征逐级划分，细化范围，将层次分类应用于CMT制品，不仅能提高检索效率和准确度，还能够构建脚本制品间层次关联关系，有助于脚本制品的维护管理，提高CMT制品的利用率。

当前面向CMT制品的分类仍然需要人工进行，缺乏高效的分类和检索体系。同时，CMT制品的源代码、API信息等受领域特定语言限制难以抽取有效信息。因此本发明通过整合多个CMT制品资源库，分析CMT制品在线非结构化描述文档，实现CMT制品的层次分类。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种软件配置代码制品的层次分类方法。方法通过分析软件配置代码制品标签自动构建配置代码的层次分类体系，然后基于监督学习方法实现一组分类器，并通过这些分类器自动完成数量众多的CMT制品的层次化分类，从而有助于用户缩小对制品的搜索范围，提高搜索结果的准确性。

本发明的技术方案如图1所示：

一种软件配置代码制品的层次分类方法，包括了了以下几个步骤：

(1)构建软件配置代码制品的层次分类体系，从多个CMT代码库爬取CMT代码制品标签，经过标签过滤和处理得到CMT代码制品标签集合作为CMT配置代码制品的类别集合，然后通过挖掘CMT标签集合之间的隶属关系来构建层次分类C_tree；所述CMT表示配置管理工具；

(2)使用CMT软件代码库中的部分CMT代码制品为训练数据集，爬取训练数据集中每个CMT代码制品的名称和描述信息构成相应CMT代码制品的描述文档，采用TF-IDF(termfrequency&inversed document frequency，词频和逆向文件频率)模型实现CMT代码制品的文本特征向量抽取；对训练数据集进行标注，将其中每个CMT代码制品划分到层次分类C_tree中对应的类别；最后基于二元分类器的自上而下(Top-down)分类方法，采用支持向量机算法(SVM)得到一组分类器，每个分类器实现对层次分类C_tree相应类别的CMT代码制品的划分；