| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 Bug的严重性预测研究 | 第13-15页 |
| 1.2.2 Bug修复分派的研究 | 第15-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 相关技术介绍 | 第20-30页 |
| 2.1 BUG报告 | 第20-22页 |
| 2.1.1 Bug报告的内容 | 第20-21页 |
| 2.1.2 Bug的生命周期 | 第21-22页 |
| 2.2 文本分类方法 | 第22-25页 |
| 2.2.1 朴素贝叶斯分类器 | 第23-24页 |
| 2.2.2 基于主题模型的分类方法 | 第24-25页 |
| 2.3 神经网络 | 第25-29页 |
| 2.3.1 循环神经网路 | 第26-27页 |
| 2.3.2 卷积神经网络 | 第27页 |
| 2.3.3 Tensorflow简介 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于改进的GRU神经网络的BUG严重程度 预测模型 | 第30-50页 |
| 3.1 BUG的严重程度分 级 | 第30-32页 |
| 3.2 建立BUG严重程度预测模型 | 第32-36页 |
| 3.2.1 GRU | 第32-34页 |
| 3.2.2 多维度的Bug属性 | 第34-35页 |
| 3.2.3 基于改进的GRU神经网络模型 | 第35-36页 |
| 3.3 使用TENSORFLOW搭建模型 | 第36-38页 |
| 3.3.1 预定义参数设置 | 第36页 |
| 3.3.2 创建GRU模型 | 第36-37页 |
| 3.3.3 使用softmax分类 | 第37页 |
| 3.3.4 优化函数 | 第37-38页 |
| 3.4 模型的实现与实验结果分析 | 第38-48页 |
| 3.4.1 实验环境 | 第38页 |
| 3.4.2 数据准备 | 第38-39页 |
| 3.4.3 模型的搭建与调参 | 第39-41页 |
| 3.4.4 总体实验结果 | 第41-45页 |
| 3.4.5 分类算法对比实验结果 | 第45-47页 |
| 3.4.6 不同特征对比实验结果 | 第47-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 基于改进的BUG修复者分派神经网络结合模型 | 第50-65页 |
| 4.1 研究目标 | 第50-51页 |
| 4.2 已有方法的不足 | 第51页 |
| 4.3 基于改进的CNN-RNN的神经网络算法描述 | 第51-57页 |
| 4.3.1 Text CNN | 第51-53页 |
| 4.3.2 Text RNN | 第53-54页 |
| 4.3.3 改进的CNN-RNN结合模型 | 第54-57页 |
| 4.4 模型的实现与实验结果分析 | 第57-64页 |
| 4.4.1 数据准备 | 第57-58页 |
| 4.4.2 模型的实现 | 第58页 |
| 4.4.3 总体实验结果 | 第58-60页 |
| 4.4.4 对比试验结果 | 第60-64页 |
| 4.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第73-74页 |
| 致谢 | 第74页 |
