[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

说明书

本申请公开了一种基于神经网络的软件功能点查重方法、装置、设备及介质，所述方法包括步骤：获取基于功能点法的软件功能点明细表；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；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；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。本申请提高了查重的效率和准确率，减少了项目重复建设成本。

技术领域

本申请涉及计算机技术领域，特别地，涉及一种基于神经网络的软件功能点查重方法、装置、设备及介质。

背景技术

功能点法(IFPUG-FPA)是一种基于用户需求、有具体算法支撑、客观独立于技术实现、且可在实际开发前进行估算的一种软件规模度量方法，具有强科学性、权威性和可操作性等特点，是国家标准、行业标准采用的方法。功能点计数过程是指量化功能用户需求和评价非功能点用户需求，以对应用系统软件功能计数的过程。

考虑软件项目越来越多，在同一领域存在重复或类似项目、同一项目中存在相同或类似功能点等，通过对功能点重复性检查，可发现不合理功能项，有效避免重复建设。但积累了大量项目的软件功能点，仅靠人工查重难以进行，人工成本和等待成本必然巨大，同时需要人工逐条识别、判断功能点数据，难以克服主观性和生理疲劳等因素，很难保证查重质量。

因此如何有效减少用户对功能点查重时间和成本，提高查重准确率是技术人员亟需解决的问题。

发明内容

本申请一方面提供了一种基于神经网络的软件功能点查重方法，以解决现有技术功能点重复性检查时时间和成本高、效率和准确率低的技术问题。

本申请采用的技术方案如下：

一种基于神经网络的软件功能点查重方法，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。

优选地，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。