[发明专利]基于神经网络的软件功能点查重方法、装置、设备及介质

权利要求书

1.一种基于神经网络的软件功能点查重方法，其特征在于，包括步骤：

获取基于功能点法的软件功能点明细表，所述软件功能点明细表包括功能点层级结构信息、功能点类别信息；

利用软件功能点明细表对模型进行训练，得到训练好的模型和带有标注信息的功能点明细表，所述带有标注信息的功能点明细表作为历史功能点特征指标，所述历史功能点特征指标包括历史功能点级别、历史功能点词向量、历史功能点类型；

将待查重软件功能点明细表输入训练好的模型，输出待查重软件功能点明细表中每一个功能点的待查重功能点特征指标，所述待查重功能点特征指标包括待查重功能点级别、待查重功能点词向量、待查重功能点类型；

计算所述历史功能点特征指标与所述待查重功能点特征指标的相似度；

根据所述相似度和设定阀值确定待查重软件功能点明细表中的相似功能点，输出带有重复标注信息的软件功能点明细表，得到软件功能点查重结果。

2.根据权利要求1所述的基于神经网络的软件功能点查重方法，其特征在于，所述利用软件功能点明细表对模型进行训练，得到训练好的模型和带有标注信息的功能点明细表，所述带有标注信息的功能点明细表作为历史功能点特征指标，具体包括步骤：

通过功能点分级模型将软件功能点明细表中的层级结构读取出来形成功能点文本，将功能点文本的层级结构通过自然语言描述出来，添加到功能点文本中，补全功能点文本数据；

采集补全后的功能点文本数据与海量的中文数据来训练词向量模型，使词向量模型能够理解功能点文本的真实语义；

以补全后的功能点文本数据作为训练语料、功能点类别作为训练标签，对模型进行训练，得到功能点分类模型用于直接提取功能点文本数据的关键语义特征，并基于所述关键语义特征进行功能点类别概率计算。

3.根据权利要求2所述的基于神经网络的软件功能点查重方法，其特征在于，所述采集补全后的功能点文本数据与海量的中文数据来训练词向量模型，使词向量模型能够理解功能点文本的真实语义，具体包括步骤：

训练语料构建：从包括补全后的功能点文本数据与海量的中文数据的完全没有标注信息的文本中构建用于词向量模型的自训练语料；

词向量模型构建：基于CBOW构建词向量模型，所述词向量模型利用文本上下文推理出缺失的真实词，获取到更加准确的文本语义，并将词转化成代表文本语义的向量，语义越相似的词所代表的词向量距离越接近；

词向量模型训练：使用准备好的自训练语料对词向量模型进行训练，使词向量模型具备语义理解能力；

词向量模型保存：将训练好的词向量模型进行保存，用于直接对功能点词向量进行计算。

4.根据权利要求2所述的基于神经网络的软件功能点查重方法，其特征在于，所述以补全后的功能点文本数据作为训练语料、功能点类别作为训练标签，对模型进行训练，得到功能点分类模型用于直接提取功能点文本数据的关键语义特征，并基于所述关键语义特征进行功能点类别概率计算，具体包括步骤：

构建训练语料：以补全后的功能点文本数据作为训练语料，取功能点类别作为标签，保证训练数据的准确性；

构建功能点分类模型：功能点分类模型采用卷积神经网络模型，包括输入层、卷积层、池化层、全连接层和输出层；

训练功能点分类模型：使用准备好的带有类别信息的功能点文本数据经过预处理过程后对功能点分类模型进行训练，通过反向传播技术调整模型参数，并经过多次调整超参数保证模型训练到最优的状态，最终正确的对功能点文本数据进行分类；

输出分类结果：将训练好的功能点分类模型进行保存，用于对软件功能点进行分类。