改进的软件错误报告自动分类算法

• 作者: 林劼 江秉华 江育娥 黄伟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 特征降维 错误报告 文本自动分类 词频-逆向文件频率 特征权重 频率
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: ?人工智能及识别技术?
• 页码范围: 183-187
• 页数: 5页
• 分类号: TP311
• 字数: 4314字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.06.033

摘要

软件错误报告的自动分类能够节省大量人力和时间，然而用户提交的错误报告主观性较强，对错误报告的描述较随意，造成自动分类的效率低下。为此，基于传统的词频-逆向文件频率( TF-IDF )算法，结合文档内词条频度与词条在同类别及不同类别文档中的分布情况，提出2种特征降维的改进算法，降维后再对词条进行权值处理，进一步提高特征降维的效果。实验结果表明，应用该算法得到的错误报告自动分类在精确率、召回率、F1值和准确度等指标上比现有算法都有明显提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄伟	福建师范大学软件学院	21	60	5.0	7.0
2	林劼	福建师范大学软件学院	25	138	6.0	11.0
3	江育娥	福建师范大学软件学院	11	65	4.0	8.0
4	江秉华	南京医科大学病理学系	2	14	1.0	2.0