“贾焱鑫”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果10个，建议您升级VIP下载更多相关专利

[发明专利]一种基于缺陷报告摘要中词性信息的严重程度预测方法-CN202110341218.3有效
发明人：田丹;陈雪娇;林浩;陈翔;贾焱鑫;葛骅 -专利权人：南通大学
申请日： 2021-03-30 - 公布日： 2023-10-20 - 主分类号： G06F40/284 文献下载
摘要：本发明提供了一种基于缺陷报告摘要中词性信息的严重程度预测方法，通过使用较少数据量实现相近或更优的预测性能，并进一步地利用软件缺陷报告跟踪系统平台上存放的大型项目所含缺陷报告，进行快速且高准确性的软件缺陷报告严重程度的预测。本发明的有益效果为：本发明预测方法首先对缺陷报告中的摘要属性进行文本预处理，得到词根形式的分词；基于大规模文本语料库使用卷积神经网络模型训练，获得包含所属各分词词性和单词间相似度邻接矩阵的Spacy模型，进一步对分词进行筛选，随机抽取并生成相似数据扩充数据集，最终实现对缺陷报告严重程度的预测，相比于其他预测方法使用较少数据实现了更优性能。
一种基于缺陷报告摘要词性信息严重程度预测方法

[发明专利]基于Glove和RNN的Stack Overflow论坛问题贴提问目的预测方法-CN202011564142.2在审
发明人：陈翔;刘珂;杨光;于池;贾焱鑫;胡新宇 -专利权人：南通大学
申请日： 2020-12-25 - 公布日： 2022-05-31 - 主分类号： G06F16/9536 文献下载
摘要：本发明提供了一种基于Glove和RNN的Stack Overflow论坛问题贴提问目的预测方法，包括以下步骤：(1)搜集Stack Overflow网站上问题贴的内容，针对内容进行数据预处理，基于Glove模型生成分词对应的词向量；(2)通过分析问题贴的内容，确定提问目的；(3)基于上述构建的语料库，对构建的基于长短期记忆循环网络的RNN模型进行训练，利用结合Adam优化器以及注意力机制attention进行优化，得到问题帖提问目的的预测模型。本发明的有益效果为：该方法以提问目的对帖子进行分类，可以为分析Stack Overflow上的帖子讨论主题增加新的维度，方便开发人员对帖子的搜索和浏览，以起到辅助开发人员寻找解决方案的作用。
基于 glove rnn stack overflow 论坛问题提问目的预测方法

[发明专利]基于历史项目伪标签生成的缺陷报告严重程度预测方法-CN202011260163.5有效
发明人：陈翔;贾焱鑫;林浩;葛骅;陈雪娇;杨光;许健 -专利权人：南通大学
申请日： 2020-11-12 - 公布日： 2021-11-30 - 主分类号： G06F11/07 文献下载
摘要：本发明提供了基于历史项目伪标签生成的缺陷报告严重程度预测方法，解决的技术问题是使用伪标签技术从历史项目中选出与目标项目中缺陷报告最为相似的缺陷报告，从而可以有效扩充构建模型时所需的训练数据量。本发明的有益效果为：借助伪标签技术，通过有效利用历史项目的缺陷报告来提升缺陷报告严重程度预测模型的预测性能。
基于历史项目标签生成缺陷报告严重程度预测方法

[发明专利]一种基于有序神经网络的软件缺陷模块严重程度预测方法-CN202010679603.4有效
发明人：陈翔;贾焱鑫;李春明;葛骅;杨光;林浩 -专利权人：南通大学
申请日： 2020-07-15 - 公布日： 2021-11-12 - 主分类号： G06F11/36 文献下载
摘要：本发明属于软件质量保障领域，公开了一种基于有序神经网络的软件缺陷模块严重程度预测方法。本发明提供的方法包括如下步骤：挖掘样本软件项目所在的版本控制系统和缺陷跟踪系统，对样本软件项目的程序模块进行度量和缺陷严重程度的标记，构建样本数据集；基于样本数据集，采用有序神经网络模型和贝叶斯超参优化方法，获得软件缺陷预测模型，即具有最优超参数的有序神经网络模型；采用该软件缺陷预测模型预测软件项目中程序模块的缺陷严重程度。本发明构建软件缺陷预测模型相比于常规的软件缺陷预测方法，不仅可以进行软件缺陷预测，还可以预测缺陷的严重程度，且预测准确性更高。
一种基于有序神经网络软件缺陷模块严重程度预测方法

[发明专利]基于Spacy词向量的两阶段判别缺陷报告严重程度预测方法-CN202011265113.6有效
发明人：陈翔;贾焱鑫;林浩;杨光;葛骅;田丹;牛义仁;陈雪娇;唐泽黾 -专利权人：南通大学
申请日： 2020-11-12 - 公布日： 2021-11-09 - 主分类号： G06F11/07 文献下载
摘要：本发明提供了基于Spacy词向量的两阶段判别缺陷报告严重程度预测方法，首先从项目所在的缺陷跟踪系统中搜集历史缺陷报告，并抽取描述信息summary属性和严重程度severity属性对应内容得到缺陷报告训练数据集，然后进行预处理及生成对应向量，最后执行两阶段判别过程构建严重程度预测模型。本发明的有益效果为：本发明在两阶段判别过程采用朴素贝叶斯算法，该算法易实现、效果好，可保证预测模型的准确率；该发明的严重程度预测模型对相同的数据进行两次运用，一方面实现对同一批数据的二次利用，有利于提升模型的表现；另一方面实现两阶段判别可在大类分类正确的情况下减轻多分类朴素贝叶斯预测模型的压力，进一步提高预测模型的准确率。
基于 spacy 向量阶段判别缺陷报告严重程度预测方法

[发明专利]一种自适应融合网络拓扑和节点内容的社团发现方法-CN202110698553.9在审
发明人：曹金鑫;贾焱鑫;许伟忠;陈翔;丁卫平;张晓峰 -专利权人：南通大学
申请日： 2021-06-23 - 公布日： 2021-09-10 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种自适应融合网络拓扑和节点内容的社团发现方法，属于复杂网络分析技术领域，该方法挖掘社交网络数据集中社团结构，运用节点社团隶属度和图正则项分别建模网络拓扑和节点内容，然后引入自适应因子对所述网络拓扑和节点内容进行融合，以构建基于图正则化的自适应社团检测模型；最后使用评价算法归一化互信息熵评估模型有效性。本发明的有益效果为：利用自动编码器以及图正则整合了网络拓扑和节点内容，另一方面引入自适应因子缓解了社团发现过程中网络拓扑和节点内容的不匹配性。
一种自适应融合网络拓扑节点内容社团发现方法

[发明专利]一种基于描述关键词抽取的缺陷报告严重程度预测方法-CN202110412776.4在审
发明人：陈翔;贾焱鑫;成昌姝 -专利权人：南通大学
申请日： 2021-04-16 - 公布日： 2021-06-22 - 主分类号： G06F40/284 文献下载
摘要：本发明提供了一种基于描述关键词抽取的缺陷报告严重程度预测方法，选择相应软件项目在缺陷跟踪系统中的缺陷摘要、缺陷描述与严重程度；对缺陷摘要进行分词、去停用词、词形还原处理；对缺陷描述进行字符串替换、关键词抽取、分词、去停用词、词形还原处理；基于严重程度对缺陷摘要与缺陷描述分别进行词向量模型的训练与构建，从而获取相对应的向量；基于向量采用逻辑回归分类方法获取缺陷报告严重程度预测模型；采用该模型预测软件项目中缺陷报告的严重程度。本发明的有益效果为：本发明采用从缺陷描述中提取的关键词对缺陷摘要进行补充，能实现更好的模型预测性能。
一种基于描述关键词抽取缺陷报告严重程度预测方法

[发明专利]适用于海量不均衡缺陷报告的软件缺陷严重程度预测方法-CN202110281981.1在审
发明人：陈翔;葛骅;陈晓红;贾焱鑫;林浩 -专利权人：南通大学
申请日： 2021-03-16 - 公布日： 2021-06-04 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种适用于海量不均衡缺陷报告的软件缺陷严重程度预测方法，包括以下步骤：1.构建缺陷报告数据集DBR；步骤2.构建缺陷报告样本集；步骤3.利用borderline‑smote算法实现建缺陷报告样本集中的样本均衡；步骤4.利用均衡后的缺陷报告样本集训练逻辑回归模型得到缺陷报告严重程度预测模型；步骤5.利用缺陷报告严重程度预测模型对新缺陷报告进行预测：利用引入了维基百科的语料库的bert模型将缺陷报告中描述信息生成仅有768维句子向量，同时利用borderline‑smote算法实现了由句子向量及严重程度构成的样本集中各类样本的均衡，提高软件缺陷严重程度预模型的训练效率及检测准确性。
适用于海量均衡缺陷报告软件严重程度预测方法

[发明专利]一种基于Transformer和混合代码表示的Java代码注释自动生成方法-CN202011129802.4在审
发明人：陈翔;杨光;刘珂;田丹;贾焱鑫;于池;胡新宇 -专利权人：南通大学
申请日： 2020-10-21 - 公布日： 2021-01-01 - 主分类号： G06F8/73 文献下载
摘要：本发明提供了一种基于Transformer和混合代码表示的Java代码注释自动生成方法，包括以下步骤：S1、下载Java项目，构建代码库；S2、在序列化处理层，基于AST遍历转换为代码token向量和SBT向量；S3、在编码层，使用Code编码器和SBT编码器，Code编码器从源代码中提取词法信息，使用SBT编码器来获取代码的结构信息；S4、在解码层，对语义信息进行解码生成注释。本发明的有益效果为：本发明的方法是用于代码注释生成，尤其是在编码层对Code和基于AST的SBT遍历序列进行编码，并合并两者学习的语义信息以捕获源代码的语义信息。
一种基于 transformer 混合代码表示 java 注释自动生成方法

[发明专利]一种基于模块选择和权重更新的跨项目缺陷预测方法-CN202010776172.3在审
发明人：陈翔;贾焱鑫;袁智丹;杨光 -专利权人：南通大学
申请日： 2020-08-05 - 公布日： 2020-11-20 - 主分类号： G06F11/36 文献下载
摘要：本发明属于软件质量保障领域，公开了一种基于模块选择和权重更新的跨项目缺陷预测方法。该方法首先抽取目标项目和源项目程序模块并进行属性度量，对源项目程序模块进行缺陷类别标注，构建目标项目程序模块数据集和源项目程序模块数据集；对源项目数据集进行筛选、权重赋值获得带权重程序模块数据集D；然后执行权重平衡并训练支持向量机模型clf；通过此模型选择一定数目的目标项目程序模块并人工进行缺陷类别标注，执行权重更新方法更新带权重程序模块数据集D，直至得到满足条件，得到支持向量机模型clf。本发明的优点是仅需在目标项目中标记极少部分(5％)的程序模块就可大幅提升模型的性能，且模型性能更准确。
一种基于模块选择权重更新项目缺陷预测方法

1
共 10 条