[发明专利]基于语义的Bug定位方法、介质及系统

权利要求书

1.一种基于语义的Bug定位方法，其特征在于，包括：

获取多个系统的历史数据，并对所述历史数据进行分词，以形成训练样本，以及根据所述训练样本进行模型训练，以得到词向量模型；

获取待测试系统代码，并提取所述待测试系统代码中的关键名词；

对待测试系统进行测试，以得到相应的Bug信息，并对所述Bug信息进行分词，以得到相应的分词列表；

将所述分词列表中的每个词输入到所述词向量模型中，以通过所述词向量模型对所述分词列表进行筛选，得到预选分词集合；

比对所述预选分词集合与所述关键名词，以得到目标分词集合。

2.如权利要求1所述的基于语义的Bug定位方法，其特征在于，所述历史数据包括每个系统对应的Bug清单信息和代码信息，其中，所述Bug清单信息包括Bug标题、Bug描述、测试步骤、所属产品和模块。

3.如权利要求1所述的基于语义的Bug定位方法，其特征在于，所述关键名词包括全限定类名和每个全限定类名对应的函数名，其中，所述全限定类名包括模块名称和类名。

4.如权利要求3所述的基于语义的Bug定位方法，其特征在于，获取待测试系统代码，并提取所述待测试系统代码中的关键名词，包括：

对所述待测试系统代码的目录进行扫描，以得到相应的模块名称；

遍历所述待测试系统代码中结尾为.java的文件，并解析结尾为.java的文件中的每一行，以及判断该行是否为注释行；

如果该行不是注释行，则通过正则表达式匹配关键字，并根据匹配结果提取相应的类名；

对所述模块名称和所述类名进行合并，以得到所述全限定类名；

通过java反射机制获取每个所述全限定类名对应的函数名。

5.如权利要求1所述的基于语义的Bug定位方法，其特征在于，通过所述词向量模型对所述分词列表进行筛选，得到预选分词集合，包括：

通过所述词向量模型输出所述分词列表中每个词对应的相似值；

判断所述相似值是否大于预设相似值阈值；

如果是，则将该相似值对应的词添加到预选分词集合。

6.如权利要求1所述的基于语义的Bug定位方法，其特征在于，在通过所述词向量模型对所述分词列表进行筛选，得到预选分词集合之后，还包括：

对于所述预选分词集合中的每一个词，通过翻译系统获取该词对应的翻译词，以及将该翻译词添加到所述预选分词集合中。

7.如权利要求1所述的基于语义的Bug定位方法，其特征在于，比对所述预选分词集合与所述关键名词，以得到目标分词集合，包括：

对于所述预选分词集合中的每一个词，判断该词是否属于关键名词；

如果是，则将该词添加到所述目标分词集合。

8.一种存储介质，其特征在于：所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1到8中任意一项所述基于语义的Bug定位方法的步骤。

9.一种基于语义的Bug定位系统，其特征在于，包括：

训练模块，所述训练模块用于获取多个系统的历史数据，并对所述历史数据进行分词，以形成训练样本，以及根据所述训练样本进行模型训练，以得到词向量模型；

提取模块，所述提取模块用于获取待测试系统代码，并提取所述待测试系统代码中的关键名词；

测试模块，所述测试模块用于对待测试系统进行测试，以得到相应的Bug信息，并对所述Bug信息进行分词，以得到相应的分词列表；

筛选模块，所述筛选模块用于将所述分词列表中的每个词输入到所述词向量模型中，以通过所述词向量模型对所述分词列表进行筛选，得到预选分词集合，并比对所述预选分词集合与所述关键名词，以得到目标分词集合。

10.如权利要求9所述的基于语义的Bug定位系统，其特征在于，所述历史数据包括每个系统对应的Bug清单信息和代码信息，其中，所述Bug清单信息包括Bug标题、Bug描述、测试步骤、所属产品和模块。