换一批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。
更多相关知识
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feature dimension reductionbug reporttext automatic classificationTerm Frequency-Inverse Document Frequency(TF-IDF)feature weightfrequency
分类号
TP311
栏目名称
DOI
10.3969/j.issn.1000-3428.2015.06.033
发布时间
2015-07-02（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学重大国际(地区)合作研究基金资助项目（81320108019）；
福建省自然科学基金资助项目(2014J01220)。
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
