CN110413732A 面向软件缺陷知识的知识搜索方法 （扬州大学）

本发明公开了一种面向软件缺陷知识的知问题语义三元组与现有的软件缺陷知识图谱三配三元组集合构建搜索结果子图，并返回给用自然语言处理这些日益成熟的技术将用户的问题转化成结构化的查询语言并和已有的知识图22.根据权利要求1所述的面向软件缺陷知识的根据语法依赖树T，分析词与词之间的依存关系即语法关系，并4.根据权利要求1所述的面向软件缺陷知识的知识搜索方将问题语义三元组与现有的软件缺陷知识图谱三元组库进行匹配，获得匹配三元组集合，步骤3-2、结合步骤3-1的实体匹配三5.根据权利要求4所述的面向软件缺陷知识的(1)求取问题语义三元组中实体与软件缺陷知识图谱三元组库中每个三元组t中实体由上获得问题语义三元组与软件缺陷知识图谱三元组库中每个三元组t的两个实体相缺陷知识图谱三元组库中三元组t与问题语义三元组相匹配；软件缺陷知识图谱三元组库中所有与问题语义三元组匹配的三元组t构成(1)采用词向量word2vec模型将问题语义三元组中的实体与初步实体匹配三元组集合3实体匹配三元组集合中三元组t与问题语义三元组相匹配；初步实体匹配三元组集合中所6.根据权利要求5所述的面向软件缺陷知识的知识搜述结合步骤3-1的实体匹配三元组集合进行关系匹配，实现问题语义三元组的关系与现有针对问题语义三元组的关系r，获取实体匹配三元组集组集合Tripe(r)：j)∈T}i7.根据权利要求6所述的面向软件缺陷知识tm)4[0001]本发明属于软件开发与维护领域，特别是一种面向软件缺陷知识的知识搜索方需要明确自己想要搜索的关键词，并且若是多个关键词，关键词之间的逻辑关系只能是结果返回的是低质量和相关性低的内容，导致搜索质量的下降，从而使得用户搜索频率降体是描述现实中各种存在关联的实体以及概念，而这对于搜索的智能化有着重要的作用。基于知识图谱进行智能化知识搜索的核心是如何将非结构化的自然语言问句映射到结构化的SPARQL查询语句。目前，解决这一核心问题的思路主要分为三种：首先，“TrueKnowledge：Open-DomainQuestionAnsweringUsingStructuredKnowledgeand间关系的重要性。另外，“HowtoBuildT5NP2两者之间的语义关系。6[0026]进一步地，步骤3将问题语义三元组与现有的软件缺陷知识图谱三元组库进行匹[0027]步骤3-1、将所述问题语义三元组与现有的软件缺陷知识图谱三元组库进行实体[0029]进一步地，步骤3-1将所述问题语义三元组与现有的软件缺陷知识图谱三元组库[0031](1)求取问题语义三元组中实体与软件缺陷知识图谱三元组库中每个三元组t中[0034]由上获得问题语义三元组与软件缺陷知识图谱三元组库中每个三元组t的两个实软件缺陷知识图谱三元组库中三元组t与问题语义三元组相匹配；软件缺陷知识图谱三元组库中所有与问题语义三元组匹配的三元组t构[0037](1)采用词向量word2vec模型将问题语义三元组中的实体与初步实体匹配三元组初步实体匹配三元组集合中三元组t与问题语义三元组相匹配；初步实体匹配三元组集合中所有与问题语义三元组匹配的三元组t构成三元组集合Tripe(r)：7图2缺陷报告BugID#1387015中的title：“Pythonwheelartifactshouldnotbe之间的语义关系。本实施例中生成的问题语义三元组为：(Python_wheel_artifact，图4所示，图中的BugID是指缺陷