变更需求的识别方法及其装置、电子设备、程序产品与流程

摘要: 本发明涉及人工智能,具体而言,涉及一种变更需求的识别方法及其装置、电子设备、程序产品。背景技术:1、当前,it(informationtechnology,信息...
变更需求的识别方法及其装置、电子设备、程序产品与流程

本发明涉及人工智能,具体而言,涉及一种变更需求的识别方法及其装置、电子设备、程序产品。

背景技术:

1、当前,it(information technology,信息技术)变更管理主要依赖于人工经验评审或简单的规则引擎进行风险评估,然而,不同评审人员对相同变更可能给出差异较大的风险评级,缺乏客观量化标准,且人工经验难以系统化沉淀,人员流动导致it变更的风险识别准确性下降。

2、针对上述的问题,目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种变更需求的识别方法及其装置、电子设备、程序产品,以至少解决相关技术中人工评估变更风险的主观性较强,导致对变更风险进行识别的准确性较低的技术问题。

2、根据本技术实施例的一个方面,提供了一种变更需求的识别方法,包括:获取变更需求文档,其中,变更需求文档包括:语义文本、代码变更文本、系统拓扑描述文本以及历史变更描述文本;对语义文本、代码变更文本、系统拓扑描述文本以及历史变更描述文本分别进行特征提取,得到多个风险特征;将多个风险特征输入至两阶段模型,输出风险评分,其中,两阶段模型包括:交叉注意力网络以及决策树,交叉注意力网络用于对每个风险特征进行交叉注意力计算,得到增强特征,并对所有增强特征进行加权融合,得到加权后的特征,决策树用于基于加权后的特征以及多个风险特征,输出风险评分;在风险评分小于第一预设风险阈值的情况下,确定变更需求文档中的变更需求为安全需求。

3、进一步地,多个风险特征包括:文本特征、代码变更特征、系统拓扑特征以及历史变更特征,历史变更描述文本包括:历史变更操作的成功率,对语义文本、代码变更文本、系统拓扑描述文本以及历史变更描述文本分别进行特征提取,得到多个风险特征的步骤,包括:采用预训练的语义模型,对语义文本进行语义提取,得到文本特征;基于抽象语法树,对代码变更文本进行分析,得到代码变更特征;基于系统拓扑描述文本,构建知识图谱,其中,知识图谱包括:系统中的多个节点以及节点之间的关联关系;对于变更需求中的每个待变更节点,基于第一预设评分、预设传播衰减系数、多个第二预设评分以及多个距离,计算影响评分,其中,距离是待变更节点与相邻节点之间的距离,相邻节点是与待变更节点存在关联关系的节点;基于所有影响评分,确定系统拓扑特征;将成功率确定为历史变更特征。

4、进一步地,对每个风险特征进行交叉注意力计算,得到增强特征的步骤,包括:将多个风险特征进行特征对齐,得到多个对齐特征;采用多头交叉注意力机制,对每个对齐特征进行交叉注意力计算,得到增强特征。

5、进一步地,采用多头交叉注意力机制,对每个对齐特征进行交叉注意力计算,得到增强特征的步骤,包括:将多个对齐特征进行拼接,得到拼接特征;基于第一预设线性投影矩阵,对拼接特征进行计算,得到键向量,并基于第二预设线性投影矩阵,对拼接特征进行计算,得到值向量;对于每个对齐特征,基于第三预设线性投影矩阵,对对齐特征进行计算,得到查询向量;基于查询向量、键向量以及值向量进行交叉注意力计算,得到交叉特征;将交叉特征以及对齐特征进行残差连接,并对残差连接后的特征进行层归一化,得到与对齐特征对应的增强特征。

6、进一步地,对所有增强特征进行加权融合,得到加权后的特征的步骤,包括:将所有增强特征在通道维度进行融合,得到融合特征;将融合特征依次输入至线性层,以采用激活函数输出门控矩阵;将门控矩阵在通道维度进行拆分,得到多个门控权重;基于多个门控权重,对所有增强特征进行加权计算,得到加权后的特征。

7、进一步地,在确定变更需求文档中的变更需求为安全需求之后,包括:基于变更需求文档,执行变更操作;基于预设时间间隔,采集变更过程中多个性能指标的指标数据;在任一性能指标的指标数据大于预设指标阈值的情况下,基于每个性能指标的预设权重以及每个预设映射函数,计算风险评分变化值,其中,预设映射函数用于表征每个指标数据与风险等级之间的关系;基于风险评分变化值,对风险评分进行更新,得到目标风险评分;在目标风险评分大于第二预设风险阈值的情况下,停止变更操作。

8、进一步地,在基于风险评分变化值,对风险评分进行更新,得到目标风险评分之后,包括:在目标风险评分小于等于第二预设风险阈值的情况下,继续执行变更操作,得到变更结果;对变更结果以及风险评分进行分析,得到分析数据;基于历史变更数据,构建验证集,并基于验证集,判断是否对两阶段模型进行重新训练;在确定对两阶段模型进行重新训练的情况下,基于分析数据,对两阶段模型进行重新训练。

9、根据本技术实施例的另一方面,还提供了一种变更需求的识别装置,包括:获取单元,用于获取变更需求文档,其中,变更需求文档包括:语义文本、代码变更文本、系统拓扑描述文本以及历史变更描述文本;提取单元,用于对语义文本、代码变更文本、系统拓扑描述文本以及历史变更描述文本分别进行特征提取,得到多个风险特征;处理单元,用于将多个风险特征输入至两阶段模型,输出风险评分,其中,两阶段模型包括:交叉注意力网络以及决策树,交叉注意力网络用于对每个风险特征进行交叉注意力计算,得到增强特征,并对所有增强特征进行加权融合,得到加权后的特征,决策树用于基于加权后的特征以及多个风险特征,输出风险评分;确定单元,用于在风险评分小于第一预设风险阈值的情况下,确定变更需求文档中的变更需求为安全需求。

10、进一步地,多个风险特征包括:文本特征、代码变更特征、系统拓扑特征以及历史变更特征,历史变更描述文本包括:历史变更操作的成功率,提取单元包括:第一提取模块,用于采用预训练的语义模型,对语义文本进行语义提取,得到文本特征;第一分析模块,用于基于抽象语法树,对代码变更文本进行分析,得到代码变更特征;第一构建模块,用于基于系统拓扑描述文本,构建知识图谱,其中,知识图谱包括:系统中的多个节点以及节点之间的关联关系;第一计算模块,用于对于变更需求中的每个待变更节点,基于第一预设评分、预设传播衰减系数、多个第二预设评分以及多个距离,计算影响评分,其中,距离是待变更节点与相邻节点之间的距离,相邻节点是与待变更节点存在关联关系的节点;第一确定模块,用于基于所有影响评分,确定系统拓扑特征;第二确定模块,用于将成功率确定为历史变更特征。

11、进一步地,处理单元包括:第一对齐模块,用于将多个风险特征进行特征对齐,得到多个对齐特征;第二计算模块,用于采用多头交叉注意力机制,对每个对齐特征进行交叉注意力计算,得到增强特征。

12、进一步地,第二计算模块包括:第一拼接子模块,用于将多个对齐特征进行拼接,得到拼接特征;第一计算子模块,用于基于第一预设线性投影矩阵,对拼接特征进行计算,得到键向量,并基于第二预设线性投影矩阵,对拼接特征进行计算,得到值向量;第二计算子模块,用于对于每个对齐特征,基于第三预设线性投影矩阵,对对齐特征进行计算,得到查询向量;第三计算子模块,用于基于查询向量、键向量以及值向量进行交叉注意力计算,得到交叉特征;第一连接子模块,用于将交叉特征以及对齐特征进行残差连接,并对残差连接后的特征进行层归一化,得到与对齐特征对应的增强特征。

13、进一步地,处理单元还包括:第一融合模块,用于将所有增强特征在通道维度进行融合,得到融合特征;第一输入模块,用于将融合特征依次输入至线性层,以采用激活函数输出门控矩阵;第一拆分模块,用于将门控矩阵在通道维度进行拆分,得到多个门控权重;第三计算模块,用于基于多个门控权重,对所有增强特征进行加权计算,得到加权后的特征。

14、进一步地,变更需求的识别装置包括:第一执行模块,用于在确定变更需求文档中的变更需求为安全需求之后,基于变更需求文档,执行变更操作;第一采集模块,用于基于预设时间间隔,采集变更过程中多个性能指标的指标数据;第四计算模块,用于在任一性能指标的指标数据大于预设指标阈值的情况下,基于每个性能指标的预设权重以及每个预设映射函数,计算风险评分变化值,其中,预设映射函数用于表征每个指标数据与风险等级之间的关系;第一更新模块,用于基于风险评分变化值,对风险评分进行更新,得到目标风险评分;第一停止模块,用于在目标风险评分大于第二预设风险阈值的情况下,停止变更操作。

15、进一步地,变更需求的识别装置还包括:第二执行模块,用于在基于风险评分变化值,对风险评分进行更新,得到目标风险评分之后,在目标风险评分小于等于第二预设风险阈值的情况下,继续执行变更操作,得到变更结果;第二分析模块,用于对变更结果以及风险评分进行分析,得到分析数据;第一判断模块,用于基于历史变更数据,构建验证集,并基于验证集,判断是否对两阶段模型进行重新训练;第一训练模块,用于在确定对两阶段模型进行重新训练的情况下,基于分析数据,对两阶段模型进行重新训练。

16、根据本技术实施例的另一方面,还提供了一种计算机程序产品,包括非易失性计算机可读存储介质,非易失性计算机可读存储介质存储计算机程序,计算机程序被处理器执行时实现上述任意一项变更需求的识别方法。

17、根据本技术实施例的另一方面,还提供了一种电子设备,包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述任意一项变更需求的识别方法。

18、在本发明中,获取变更需求文档,其中,变更需求文档包括:语义文本、代码变更文本、系统拓扑描述文本以及历史变更描述文本;对语义文本、代码变更文本、系统拓扑描述文本以及历史变更描述文本分别进行特征提取,得到多个风险特征;将多个风险特征输入至两阶段模型,输出风险评分,其中,两阶段模型包括:交叉注意力网络以及决策树,交叉注意力网络用于对每个风险特征进行交叉注意力计算,得到增强特征,并对所有增强特征进行加权融合,得到加权后的特征,决策树用于基于加权后的特征以及多个风险特征,输出风险评分;在风险评分小于第一预设风险阈值的情况下,确定变更需求文档中的变更需求为安全需求,解决了相关技术中人工评估变更风险的主观性较强,导致对变更风险进行识别的准确性较低的技术问题。

19、在本发明中,首先获取包含语义文本、代码变更文本、系统拓扑描述文本及历史变更描述文本的变更需求文档,并分别对上述数据进行特征提取,得到多个风险特征,然后,将提取的多个风险特征输入至两阶段评估模型,在第一阶段,通过交叉注意力网络对多个风险特征进行交叉注意力计算,以生成增强特征,并利用门控机制对所有增强特征进行加权融合,得到具备高阶语义交互信息的加权特征,在第二阶段,将加权特征与原始的风险特征共同输入至决策树,输出精细化的风险评分,之后,根据风险评分与第一预设风险阈值的比较结果判定变更安全性,即当风险评分小于第一预设风险阈值时,确定该变更需求为安全需求。通过自动化解析以及模型预测,避免了人为判断的主观性和不一致性,提升了风险识别的准确率。