-
公开(公告)号：CN117196548A
公开(公告)日：2023-12-08
申请号：CN202311103212.8
申请日：2023-08-28
Applicant: 大连海事大学
IPC: G06Q10/105 , G06Q10/0639 , G06N3/04
Abstract: 本发明公开了一种基于深度强化学习的促进合作的工人激励方法，包括：建立工人合作模型将众包工人之间的互动过程建模为博弈过程；将众包工人的协作过程建模为马尔可夫决策过程，并使用强化学习算法优化工人的协作行为；利用图神经网络基于深度强化学习的动态激励机制和DIFFPOOL技术学习整个网络的全局表示和工人的局部表示，生成适合每个工人的激励值。该方法提出了ACM模型和DDWM激励机制来解决众包任务中的协作问题，将工人的局部表示和整个网络的全局表示进行结合，这可以使请求者来估计工人在网络中是否具有影响力和判断该工人是否能够促进合作，从而生成适合每个工人的激励值。
-
公开(公告)号：CN110554964B
公开(公告)日：2023-05-16
申请号：CN201910834368.0
申请日：2019-09-03
Applicant: 大连海事大学
IPC: G06F11/36 , G06Q10/0631 , G06Q10/1057
Abstract: 本发明公开了一种基于深度强化学习的Web服务众包测试任务分配方法，包括：根据众包平台上的工人池和任务池内的数据信息、对深度强化学习的Web服务测试任务分配模型进行训练；众包平台接收需求者提交的测试任务，使用完成训练的Web服务测试任务分配模型进行测试任务的分配；工人接受并执行任务、将任务测试结果反馈给众包平台，众包平台将工人反馈的测试结果传送给相应的任务需求者。本方法通过使用深度强化学习方法DQN来训练Web服务测试任务分配模型，达到了对Web服务众包测试任务进行实时分配的效果，可以在一定程度上保证测试任务能够交由众包测试平台上比较合适的测试人员来处理，提升了测试效果。
-
-
公开(公告)号：CN109451037B
公开(公告)日：2021-06-08
申请号：CN201811481963.2
申请日：2018-12-05
Applicant: 大连海事大学
Abstract: 本发明公开了一种CWS容错问题中的错误修复策略的选择方法，包括步骤为：执行某个CWS，执行过程中某个Web服务出现错误时，将该CWS提交给错误修复策略选择算法模块进行处理；错误修复策略选择模块对出错的Web服务进行错误修复策略的选择；获取策略选择算法模块反馈的结果；以及使用反馈结果中的修复策略对出错的Web服务进行修复。通过采用本发明所述的策略选择方法，当需要执行多个CWS，或者CWS中的服务数量较多，出错Web服务出现的概率很高时，能够更快更准地选择最合适的错误修复策略。
-
公开(公告)号：CN111290756B
公开(公告)日：2023-08-18
申请号：CN202010085043.X
申请日：2020-02-10
Applicant: 大连海事大学
IPC: G06F8/40 , G06N3/0442 , G06N3/047 , G06N3/084 , G06N3/092
Abstract: 本发明公开了一种基于对偶强化学习的代码‑注释转换方法，包括：将代码转换成注释阶段：建立代码注释生成模型，将代码转换为词向量，使用LSTM双向神经网络对代码词向量中的序列和结构信息进行特征提取；使用注意力机制对词向量中的各个词分配权重得到每个词的权重；对各词向量及其权重进行融合，使用梯度下降法计算每个词被选择的概率；对每个词的权重和每个词被选择的概率进行对偶约束；使用BLEU评估方法计算每个序列和数据集中的标准注释的匹配程度，并除以n求平均值作为每个词在的强化学习中的奖励值。
-
Patent Agency Ranking
公开(公告)号：CN110413792B
公开(公告)日：2022-10-21
申请号：CN201910728451.X
申请日：2019-08-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种高影响力缺陷报告识别方法，本方法将不平衡学习技术与多类分类方法相结合，解决了错误报告组件分类问题。使用四种不平衡处理策略RUS、ROS、SMOTE和Adacost算法来处理数据并获得平衡的数据集。然后使用基于NBM，KNN和SVM分类器的OVO和OVA多类别分类方法对平衡之后的数据集进行错误报告组件分类。通过探究不平衡学习策略和分类别分类算法的不同组合，找到具有错误报告组件分类最佳性能的变体。通过使用错误组件分类来确定为错误报告分配合适的开发人员，从而更好地解决了错误报告的分类问题。该方法不仅可以减少原始训练集的单词维度，提高训练集的质量，也提高错误报告的分类性能。
-
公开(公告)号：CN109934286A
公开(公告)日：2019-06-25
申请号：CN201910183106.2
申请日：2019-03-12
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于文本特征提取和不平衡策略的识别Bug报告严重程度的方法，该方法通过对bug报告数据集进行不平衡及基于遗传算法的文本特征提取操作，生成的分类模型对新提交的bug报告进行分类时没有偏向，拟合趋于平衡，避免了分类时的局限性；经过提取操作，可以实现特征与实例的同时提取，得到规模更小且质量更高的数据集，提高了bug报告严重程度识别的准确率，节省了bug严重程度识别的时间成本和人力成本，提升了工作效率，方便开发者优先处理严重程度更高的bug报告。
-
公开(公告)号：CN109213865A
公开(公告)日：2019-01-15
申请号：CN201811076509.9
申请日：2018-09-14
Applicant: 大连海事大学
Abstract: 本发明公开了一种软件bug报告分类系统及分类方法，所述系统包括训练部分和测试部分，所述训练部分包括：数据集获取模块、数据约简模块和不平衡数据集处理模块；所述测试部分包括：bug报告输入模块和结果分类输出模块。所述分类方法的主要步骤包括：使用数据约简算法来处理数据，用RSMOTE方法处理不平衡数据集，用获得的平衡数据集训练分类器，以及用Choquet模糊积分来集成多个已经训练过的分类器对bug报告的结果进行分类。本发明通过特征选择和实例选择结合使用的办法，减少了样本维度和单词维度上的数据规模，通过使用基于Choquet模糊积分的集成训练方法，提高了对bug报告严重性的识别程度，同时避免了随机采样的不确定性。
-
公开(公告)号：CN109614489B
公开(公告)日：2022-11-18
申请号：CN201811528863.0
申请日：2018-12-13
Applicant: 大连海事大学
IPC: G06F16/35 , G06F16/36 , G06F40/284
Abstract: 本发明公开了一种基于迁移学习和特征提取的Bug报告严重程度识别方法，通过将向量化表示的Bugzilla Bug报告信息作为知识库；并使用粗糙集特征提取方法对向量化表示的文本矩阵进行特征提取，将提取的特征作为迁移学习的最终知识库，用于识别Android Bug报告的严重程度。通过上述方法可以实现Android Bug报告管理系统中Bug报告严重程度的自动预测，节省了Bug报告严重程度预测所需的时间成本和人力成本，提升了工作效率。
-
公开(公告)号：CN109491914B
公开(公告)日：2021-11-30
申请号：CN201811333585.3
申请日：2018-11-09
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于不平衡学习策略高影响缺陷报告预测方法：使用文本预处理方法对缺陷报告的文本信息进行处理；将处理后文本信息分储为训练集和测试集；对训练集做多次数据平衡处理；使用多个分类器对经过平衡处理的训练集进行训练；把多个分类器的优点进行集成并输出；使用文本特征提取模块来对测试集中的缺陷报告进行文本特征提取；使用训练好的模型对测试集中的缺陷报告进行预测。本发明克服了数据的不平衡特性并加以利用，将不平衡学习策略与约束求解相结合，基于不同分类算法的不同能力，提出了利用权重优化每个分类器的判别概率以提高分类效果，并将优化后的多个分类器进行集成，通过获取更合适的权重来获得更高的准确率。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.023 seconds)
