一种基于知识图谱针对bug问题进行探索性搜索方法

摘要

本发明涉及一种基于知识图谱针对bug问题进行探索性搜索方法。本发明有效地结合bug库及commit库中的信息，通过理解要搜索的内容得到相关的bug信息，建立它们之间的实体关系，并列出相关的bug repotrt信息、commit信息、相关人员的信息及类似的bug信息，提高软件开发和维护人员解决bug问题的效率。本发明克服了现今方法存在的查询结果并不准确，且当数据量较大时，需花费大量的时间进行检索等缺陷。本发明从软件开发者和维护者的角度，理解搜索者输入的内容，提供直观准确的信息，帮助搜索者解决遇到的bug问题。不仅缩短了搜索时间，还确保了搜索结果的准确性，通过记录搜索者浏览的信息，进一步预测搜索者的目的，帮助软件开发人员更全面的了解和学习相关bug的知识。

说明书

技术领域

本发明属于软件维护领域，特别涉及一种基于知识图谱针对bug问题进行探 索性搜索方法。

背景技术

软件开发与维护人员在对软件进行开发和维护时，由于对软件的不熟悉或者 经验不足等原因，常常会遇到一些难以解决的bug问题。他们在遭遇这些问题后 会针对相关bug问题进行搜索，对其进行了解之后又要查看历史提交的一些 commit修改信息，以便得到相关的解决方法。若在Stackoverflow中寻找帮助也 不一定能够立刻得到想要的答案。这使得软件开发人员和维护人员在遇到bug后 不仅要花费大量时间进行搜索、查找解决方案，并且常常会遇到搜索结果不够准 确全面等问题。

在本发明作出之前，目前为止还没有一个基于知识图谱的对bug信息进行探 索性搜索的网站。有些网站只是将历史提交的bugreport、commit生成bug库、 commit库提供用户查询。然而这些网站都是基于传统的关系数据库的搜索方法： 关系数据库采用的是经典的关系模型，其结构简单，查询结果并不准确，且当数 据量较大时，需花费大量的时间进行检索。传统的检索都是基于关键词的，搜索 引擎并不理解用户的输入，仅是对用户输入的内容进行切分得到关键词，得到关 键词后再与目标数据进行匹配，把匹配的结果通过一定的排序算法返回给用户， 用户在这些结果中选取想要的结果。由于不能理解用户搜索的目的，基于关键词 的检索的缺陷非常明显。返回给用户的搜索内容不仅杂乱，且不准确。用户需要 耗费大量时间进行信息的浏览和筛选，不仅耗时、耗力，还可能仍得不到想要的 结果。

发明内容

本发明的目的就在于克服上述缺陷，研制一种基于知识图谱针对bug问题进 行探索性搜索方法。

本发明技术方法是：

一种基于知识图谱针对bug问题进行探索性搜索方法，其主要技术特征在于 如下步骤：

(1)将bug信息和commit信息按所属类型分类，识别和提取软件历史库中数据 的概念、实体和属性，找出相互之间存在的实体关系，建立信息的网状 结构关系，从而建立一个图形数据库；

(2)对搜索者的输入搜索内容进行预处理，使用分词和命名实体识别技术和自 然语言处理技术从输入搜索内容中识别概念、实体和属性，得到要搜索 的概念、实体和属性信息；

(3)将步骤(1)、(2)进行计算相似度，将预处理后得到的信息与图形数据库 中的信息进行相似度的计算和匹配，得到数据库中所有与要搜索的bug 相关的信息；

(4)将步骤(3)中得到的信息分类并提取出bugreport信息、commit信息及 相关人员信息、类似的bug信息；

(5)将步骤(4)中提取出的信息分别进行相似度的排序，并用知识图谱软件生 成这些信息的知识图谱，将搜索结果返回给搜索者；

(6)在搜索者浏览信息的过程中，通过记录得到他们浏览的信息，将记录的这 些信息再次进行步骤(2)的处理，从而进一步理解和预测搜索者的搜索 目的，推荐相关的信息，并推荐历史搜索类似信息的人员供搜索者浏览。

所述步骤(5)将搜索结果返回给搜索者至搜索者浏览信息，记录搜索者浏 览的信息，预测搜索者的搜索目的，推荐相关的信息及历史搜索类似信 息的人员，并将这些信息返回给搜索者浏览；搜索者浏览信息返回上述 步骤(2)中的进行预处理，识别概念实体和属性，使用分词和命名实体 识别技术和自然语言处理技术从浏览的信息中识别概念、实体和属性， 得到要搜索的概念、实体和属性信息，推荐历史搜索类似信息的人员供 搜索者浏览，与此同时依次重复步骤(3)进行计算相似度，将处理后得 到的信息与图形数据库中的信息进行相似度的计算和匹配，得到数据库 中所有与要搜索的bug相关的信息；接着进行步骤(4)，将步骤(3)中 得到的信息分类并提取出bugreport信息、commit信息及相关人员信 息、类似的bug信息；然后进行步骤(5)，将步骤(4)中提取出的信息 分别进行相似度的排序，并用知识图谱软件生成这些信息的知识图谱， 将进一步精确的搜索结果返回给搜索者供搜索者浏览。

在软件开发者和维护者对bug问题进行搜索时。用自然语言处理技术(NLP) 对搜索者的输入进行预处理，包括使用分词和命名实体识别技术从搜索者的输入 中识别概念、实体和属性等。结合建立好的图形数据库，匹配相似度，将相关信 息分成相关bugreport信息、commit信息、人员信息及类似bug信息。用知识图 谱软件生成搜索结果的知识图谱导航搜索者浏览。并在搜索过程中进一步根据浏 览的数据预测搜索者的目的，进行相关推荐。

知识图谱本质上是一种语义网络。它的目标在于描述现实世界中存在的各 种实体和概念，以及这些实体、概念之间的关联关系。将知识图谱用于知识导航， 能直观的引导搜索者的信息浏览。图形数据库是一种高性能的用于存储数据的数 据结构方式。基于知识图谱的搜索目标在于理解用户输入，为用户给出更加直接 和系统的答案，通过使用自然语言处理技术从要搜索的问题中提取概念、实体和 属性等，结合图形数据库数据模式，对识别的结果进行相似度的计算，匹配提取 相关的数据，再对这些数据进行分类提取，根据相似度分别对这些数据进行排序、 形成知识图谱，最终将搜索结果返回给搜索者。探索性搜索的理念能满足当今人 们的搜索需求，不仅能得到准确的搜索结果还支持信息的发现和意义建构。

本发明的优点和效果在于从软件开发者和维护者的角度，理解搜索者输入的 内容，提供直观准确的信息，帮助搜索者解决遇到的bug问题。不仅缩短了搜索 时间，还确保了搜索结果的准确性。并在探索性搜索的过程中通过记录搜索者浏 览的信息，进一步预测搜索者的目的，帮助软件开发人员更全面的了解和学习相 关bug的知识。很大程度上提高了软件开发和维护人员解决bug问题的效率和质 量。具体说，主要有如下一些优点：

(1)对搜索者输入的搜索内容进行预处理，使用分词和命名实体识别技术 从搜索者的输入中识别概念、实体和属性等，再将其与数据库内容进行匹配。不 仅更准确的理解搜索者要搜索的内容，也使得搜索者的输入不会因为格式不匹配 不能得到搜索结果。

(2)本方法应用知识图谱软件生成搜索结果的知识图谱，导航搜索者浏览 信息，使得搜索结果直观明了。图中每种颜色代表一个类别的实体，的实体与实 体间的距离远近代表相似度的大小。使得搜索者直观明了的了解各个实体间的关 系，能更准确的选择信息。

(3)我们的方法基于图形数据库，图形数据库是一种高性能的用于存储数 据的数据结构方式。其搜索速度比传统基于关系数据库的搜索方式快很多倍。

(4)本方法是一种探索性搜索方法，不仅能帮助搜索者获取需要的结果， 在搜索者浏览信息的过程中，通过记录他们浏览的信息进一步理解和预测搜索者 的搜索目的，进行相关信息的推荐，帮助软件开发人员解决遇到的bug问题。并 推荐历史搜索类似信息的人员，便于交流讨论。

附图说明

图1——本发明流程示意图。

图2——本发明中历史提交的bugreport信息截图。

图3——本发明中历史提交的commit信息截图。

图4——本发明中bug519696的历史bugreport截图。

图5——本发明中bug519696信息、相关commit信息及人员信息的知识图 谱示意图。

图6——本发明中探索性搜索过程的流程示意图。

具体实施方式

本发明的技术思路是：

知识图谱本质上是一种语义网络，其结点代表实体/概念，边代表实体/概念 之间的各种语义关系。它的目标在于描述现实世界中存在的各种实体和概念，以 及这些实体、概念之间的关联关系。将知识图谱用于搜索，能直观的引导搜索者 进行信息浏览。图形数据库是一种高性能的用于存储数据的数据结构方式。基于 知识图谱的搜索目标在于理解用户输入，为用户给出更加直接和系统的答案，通 过使用自然语言处理技术从要搜索的问题中提取概念、实体和属性等，结合图形 数据库数据模式，对识别的结果进行相似度的计算，匹配提取相关的数据，再对 这些数据进行分类提取，根据相似度分别对这些数据进行排序、形成知识图谱， 最终将搜索结果返回给搜索者。探索性搜索的理念能满足当今人们的搜索需求， 不仅能得到准确的搜索结果还支持信息的发现和意义建构。

下面具体说明本发明。

如图1所示，其步骤如下：

步骤1).将软件历史库中的bugreport信息(如图2，为历史提交的bugreport 信息截图，其中记录了历史提交的bug及其属性)和commit信息(如图 3，为历史提交的commit信息截图，其中记录了历史提交的commit及其 属性)按照bugreport、commit以及人员的属性所属类型进行分类。 基于这些分类，识别和提取软件历史库中数据的概念、实体和属性，找 出bug、commit和人员相互之间存在的各个实体关系，建立信息的网状 结构关系，从而建立一个图形数据库。这使得在进行信息检索时检索速 度得以大幅度提高。

步骤2).对搜索者输入的搜索内容进行预处理，使用分词和命名实体识别技术从 搜索者的输入中识别提取概念、实体和属性等，得到要搜索的概念、实 体和属性，这样不仅能更准确的理解搜索者要搜索的内容，也使得搜索 者的输入不会因为格式不匹配不能得到搜索结果。搜索者可以通过输入 bug_ld，bugMSG，status，compent，assigned等识别出相关的bug信息。 输入bug的任一相关属性信息(如图4，为bug519696的历史bugreport 截图，其中记录了bug519696的所有属性)，如搜索“vetifiedfixedbug” 就会提取出实体“bug”和“verifiedfixed”。

步骤3).将步骤2)中预处理后得到的信息与图形数据库中的信息进行相似度的 计算和匹配，得到数据库中所有与要搜索的bug信息相关的信息。这一 步将所有相关的信息都提取出来，不仅使得搜索结果全面、准确，也为 后面建立知识图谱奠定了基础。用余弦算法计算相似度。过程：预处理 →文本特征项选择→加权→生成向量空间模型后计算余弦。两个文本D₁和D₂之间的内容相关度Sim(D₁，D₂)常用向量之间夹角的余弦值表示， 公式为：

$Sim(S_1,D_2)=\cos \theta =\frac{\underset{k=1}{\overset{m}{\Sigma }}{W}_{1k}\times W_{2k}}{\sqrt{\left(\underset{k=1}{\overset{m}{\Sigma }}{W}_{1k}^2\right)\left(\underset{k=1}{\overset{m}{\Sigma }}{W}_{2k}^2\right)}}$

其中，W_1k、W_2k分别表示文本D₁和D₂第K个特征项的权值，1＜＝k＜＝N。

步骤4).将步骤3)中得到的信息分类成bugreport信息、commit信息及相关 人员信息、类似的bug信息。这样后面将呈现给搜索者查看时，信息按 类别呈现，一目了然；

步骤5).将分类后的信息分别按相似度从高到低进行排序。并用知识图谱软件生 成这些信息的知识图谱。图谱不仅将信息之间的关系清楚的呈现，使得 搜索者直观明了的了解各个实体间的关系，还可以引导搜索者能更准确 的浏览、选择信息。图谱按颜色区分类别，按距离的远近区分相似度的 高低，使得搜索结果更加直观明了(如图5，为bug519696信息、相关 commit信息及人员信息的知识图谱示意图。其中红色显示的是要搜索的 bug，与其相连的较近的按颜色区分的实体是其属性及相关的commit信 息及人员信息，距离更远的黄色的实体是与此bug有关的一些bug信息。 由于关系较多没有一一列出)。最终将搜索结果返回给搜索者。

步骤6).在搜索者测览信息的过程中，记录他们浏览的信息，提取其中的实体、 概念及属性，计算相似度与图数据库匹配。按颜色区分类别，大小区分 相似度，反馈对搜索者搜索目的的预测，与搜索者进行信息交互。这样 不仅能了解搜索者的浏览偏好，也能进一步确认搜索者的搜索意图，缩 小范围，使得搜索结果更加准确(如图6，为探索性搜索过程的流程)。 在探索搜索的过程中不仅能帮助搜索者更全面的了解要搜索的信息，还 能推荐历史搜索类似信息的人员，便于交流讨论。