[发明专利]一种异质集成的自承认技术债务自动检测方法

权利要求书

1.一种异质集成的自承认技术债务自动检测方法，其特征在于，包括以下步骤：

步骤1：数据集预处理；

采用公开的源代码注释数据集，将源代码注释数据集中的每一条注释过滤掉非英文字符，只保留英文字母并且将所有英文字母转换成小写字母并移除停止词；

步骤2：特征提取；

使用基于词袋模型的BoW特征提取和能够提取语义信息的N-gram模型同时获取经过步骤1处理过的注释的文本特征，构成训练数据集；

步骤3：训练组件学习器；

将训练数据集分别输入三个并行的组件学习器；

第一个组件学习器由梯度提升决策树GBDT构成；

第二个组件学习器由随机梯度下降SGD构成；

第三个组件学习基于Bagging算法训练50棵决策树，每棵决策树都随机从原始样本中做有放回的采样，然后基于这些采样后的样本训练分类器，形成新的决策树模型DT；

分别对三个组件学习器进行训练，训练完成后，每个组件学习器输出当前输入分类为SATD或Non-SATD的结果，如果是SATD则标记为“positive”，否则标记为“negative”；

步骤4：使用Voting算法对三个组件学习器的输出结果进行投票，选择三个组件学习器输出结果占多数的类别作为最后预测结果；

步骤5：由步骤1到步骤4的处理过程构成最终用于预测的复合分类器；

步骤6：将待分类注释输入复合分类器，输出结果为该待分类注释数据是否为SATD的结果。

2.根据权利要求1所述的一种异质集成的自承认技术债务自动检测方法，其特征在于，所述公开的源代码注释数据集为GitHub的8个项目，包括ArgoUML、Columba、Hibernate、JEdit、JFreeChart、JMeter、JRuby以及SQuirrel，该数据集为Maldonado和Shihab所整理的数据集。