一种针对CPython和PyPy的解释器缺陷自动分类方法

摘要

本发明公开了一种针对CPython和PyPy两个解释器中的缺陷的自动分类方法，包括以下步骤：1)基于语法成分从issue报告的标题提取关键词。2)结合量化分析和手动分类实验结果补充标签，弥补语法成分分析提取的不足，提升缺陷记录的检索效率。3)基于代码和文本相似性，结合向量空间模型VSM，将某个特定的issue推荐到相应类别。本发明的方法的难点在于通过提取issue报告中的关键词自动生成缺陷记录标签。利用混合技术，本发明填补了弥补解释器缺陷自动分类方向的空白，为Python解释器的开发和维护人员、Python应用程序的开发人员以及相关领域的研究人员提供一定的帮助。