本发明涉及软件开发技术领域,具体涉及一种增量式需求跟踪性链接恢复方法,基于深度学习技术和GPT网络对原始需求文档进行动态生成,得到伪数据;对所述伪数据加以权重,得到二次伪数据;将所述二次伪数据和真实数据一起送入需求跟踪链接恢复分类器进行模型训练,得到分类器初始状态,该方法相较于传统的信息检索方法,具备更高的恢复准确性和泛化性,同时相比较于采用端到端训练的深度学习方法,该方法采用数据增强和增量训练的方式,对数据集规模要求低,更容易在落地实现,解决现有跟踪性链接恢复方法准确率还是较低的问题。
📄 2023102604946
📂 G06F8_41
👤 电子科技大学
📅 2023-03-16