用于软件开发的项目管理系统及其方法与流程

1.本技术涉及智能化管理技术领域，并且更具体地，涉及一种用于软件开发的项目管理系统及其方法。


背景技术：

2.软件开发的项目管理系统，是帮助软件团队协调、规划、执行和交付软件产品的工具。在软件开发的项目管理中，根据任务的类型、难度、优先级和依赖关系，将任务分配给合适的团队成员，并设置截止日期和提醒通知是重要的功能模块。
3.然而，在现有的软件开发的项目管理系统中，通常由管理层通过个人经验和印象来机械化地指派任务，不仅无法将开发任务交给适配的团队成员，且这种分配模式效率低下，完全依赖于人工。
4.因此，期待一种优化的用于软件开发的项目管理方案。


技术实现要素：

5.为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种用于软件开发的项目管理系统及其方法，其获取软件开发任务的文本描述和备选成员的工作要素；通过自然语言处理工具对软件开发任务和备选成员的工作要素进行语义理解，并基于二者在高维语义特征空间中的联立来表示两者之间的适配度，最终以分类器确定将软件开发任务分配给备选成员是否适宜。通过这样的方式，提供智能的基于语义理解的开发任务分配功能模块，以提高任务分配效率和任务分配的适配度。
6.第一方面，提供了一种用于软件开发的项目管理系统，其包括：开发任务描述获取模块，用于获取软件开发任务的文本描述；工作要素抓取模块，用于获取备选成员的工作要素，所述工作元素包括专业知识、技能、经验、兴趣和动机；开发任务语义理解模块，用于对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量；工作要素语义理解模块，用于对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量；关联编码模块，用于对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵；特征优化模块，用于对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；以及管理结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成员是否适宜。
7.在上述用于软件开发的项目管理系统中，所述开发任务语义理解模块，包括：第一分词单元，用于对所述软件开发任务的文本描述进行图像分块处理以得到第一图像块的序列；第一词嵌入单元，用于使用所述上下文编码器的词嵌入层分别对所述第一图像块的序列中各个图像块进行嵌入编码以得到第一图像块嵌入向量的序列；第一上下文语义编码单元，用于将所述第一图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个软
件开发任务特征向量；以及，第一级联单元，用于将所述多个软件开发任务特征向量级联以得到所述软件开发任务语义特征向量。
8.在上述用于软件开发的项目管理系统中，所述第一上下文语义编码单元，包括：向量构造子单元，用于将所述第一图像块嵌入向量的序列进行一维排列以得到第一全局图像特征向量；自注意子单元，用于计算所述第一全局图像特征向量与所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量的转置向量之间的乘积以得到多个第一自注意力关联矩阵；标准化子单元，用于分别对所述多个第一自注意力关联矩阵中各个第一自注意力关联矩阵进行标准化处理以得到多个第一标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个第一标准化后自注意力关联矩阵中各个第一标准化后自注意力关联矩阵通过softmax分类函数以得到多个第一概率值；以及，注意力施加子单元，用于分别以所述多个第一概率值中各个第一概率值作为权重对所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量进行加权以得到所述多个软件开发任务特征向量。
9.在上述用于软件开发的项目管理系统中，所述工作要素语义理解模块，包括：第二分词单元，用于对所述备选成员的工作要素进行图像分块处理以得到第二图像块的序列；第二词嵌入单元，用于使用所述上下文编码器的词嵌入层分别对所述第二图像块的序列中各个图像块进行嵌入编码以得到第二图像块嵌入向量的序列；第二上下文语义编码单元，用于将所述第二图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个成员工作要素特征向量；以及，第二级联单元，用于将所述多个成员工作要素特征向量级联以得到所述成员工作要素语义理解特征向量。
10.在上述用于软件开发的项目管理系统中，所述关联编码模块，用于：以如下编码公式对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵；其中，所述编码公式为：其中，表示所述软件开发任务语义特征向量，表示所述软件开发任务语义特征向量的转置向量，表示所述成员工作要素语义理解特征向量，表示所述分类特征矩阵， 表示矩阵相乘。
11.在上述用于软件开发的项目管理系统中，所述特征优化模块，用于：以如下优化公式对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；其中，所述优化公式为：，其中，表示所述分类特征矩阵，和是所述分类特征矩阵中各个位置的特征值集合的均值和标准差，是所述分类特征矩阵的第 位置的特征值，是所述优化分类特征矩阵的第位置的特征值。
12.在上述用于软件开发的项目管理系统中，所述管理结果生成模块，包括：矩阵展开单元，用于将所述优化分类特征矩阵按照行向量或列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
13.第二方面，提供了一种用于软件开发的项目管理方法，其包括：获取软件开发任务的文本描述；获取备选成员的工作要素，所述工作元素包括专业知识、技能、经验、兴趣和动机；对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量；对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量；对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵；对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；以及将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成员是否适宜。
14.在上述用于软件开发的项目管理方法中，对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量，包括：对所述软件开发任务的文本描述进行图像分块处理以得到第一图像块的序列；使用所述上下文编码器的词嵌入层分别对所述第一图像块的序列中各个图像块进行嵌入编码以得到第一图像块嵌入向量的序列；将所述第一图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个软件开发任务特征向量；以及，将所述多个软件开发任务特征向量级联以得到所述软件开发任务语义特征向量。
15.在上述用于软件开发的项目管理方法中，将所述第一图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个软件开发任务特征向量，包括：将所述第一图像块嵌入向量的序列进行一维排列以得到第一全局图像特征向量；计算所述第一全局图像特征向量与所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量的转置向量之间的乘积以得到多个第一自注意力关联矩阵；分别对所述多个第一自注意力关联矩阵中各个第一自注意力关联矩阵进行标准化处理以得到多个第一标准化后自注意力关联矩阵；将所述多个第一标准化后自注意力关联矩阵中各个第一标准化后自注意力关联矩阵通过softmax分类函数以得到多个第一概率值；以及，分别以所述多个第一概率值中各个第一概率值作为权重对所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量进行加权以得到所述多个软件开发任务特征向量。
16.与现有技术相比，本技术提供的用于软件开发的项目管理系统及其方法，其获取软件开发任务的文本描述和备选成员的工作要素；通过自然语言处理工具对软件开发任务和备选成员的工作要素进行语义理解，并基于二者在高维语义特征空间中的联立来表示两者之间的适配度，最终以分类器确定将软件开发任务分配给备选成员是否适宜。通过这样的方式，提供智能的基于语义理解的开发任务分配功能模块，以提高任务分配效率和任务分配的适配度。
附图说明
17.为了更清楚地说明本技术实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1为根据本技术实施例的用于软件开发的项目管理系统的应用场景图。
19.图2为根据本技术实施例的用于软件开发的项目管理系统的框图。
20.图3为根据本技术实施例的用于软件开发的项目管理系统中所述开发任务语义理解模块的框图。
21.图4为根据本技术实施例的用于软件开发的项目管理系统中所述第一上下文语义编码单元的框图。
22.图5为根据本技术实施例的用于软件开发的项目管理系统中所述工作要素语义理解模块的框图。
23.图6为根据本技术实施例的用于软件开发的项目管理系统中所述管理结果生成模块的框图。
24.图7为根据本技术实施例的用于软件开发的项目管理方法的流程图。
25.图8为根据本技术实施例的用于软件开发的项目管理方法的系统架构的示意图。
具体实施方式
26.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
27.除非另有说明，本技术实施例所使用的所有技术和科学术语与本技术的技术领域的技术人员通常理解的含义相同。本技术中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本技术的范围。
28.在本技术实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
29.需要说明的是，本技术实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本技术的实施例可以除了在这里图示或描述的那些以外的顺序实施。
30.针对上述技术需求，本技术的技术构思为：通过自然语言处理工具对软件开发任务和备选成员的工作要素进行语义理解，并基于两者在高维语义特征空间中的联立表示来表示两者之间的适配度，最终以分类器来确定将软件开发任务分配给备选成员是否适宜，通过这样的方式，提供智能的基于语义理解的开发任务分配功能模块，以提高任务分配效率和任务分配的适配度。
31.具体地，在本技术的技术方案中，首先获取软件开发任务的文本描述，以及，备选成员的工作要素，所述工作元素包括专业知识、技能、经验、兴趣和动机。应可以理解，获取软件开发任务的文本描述和备选成员的工作要素是指派工作人员的关键前提。在开发任务的分配过程中，需要了解任务的具体内容、要求和目标，同时也需要了解备选成员的能力、技能、经验和兴趣等方面，才能更好地将任务指派给合适的人员。对于软件开发任务来说，其文本描述可以包含许多重要信息，例如要求的功能、技术要求、时间限制等。对于备选成
员来说，其工作要素也涵盖了许多关键因素，如专业知识、技能、经验、兴趣和动机等，这些因素都会影响到其完成任务的效率和质量。
32.接着，对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量，以及，对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量。也就是，在本技术的技术方案中，使用所述包含词嵌入层的上下文编码器对所述软件开发任务的文本描述和所述备选成员的工作要素进行语义理解以得到所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量。在本技术一个具体的示例中，所述包含词嵌入层的上下文编码器为基于转换器的bert模型。
33.进而，对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵。这里，对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码目的是在高维语义特征空间中构建所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量之间的联立表示以此类表示两者之间适配度特征表达。
34.在本技术一个具体的示例中，计算所述软件开发任务语义特征向量的转置向量与所述成员工作要素语义理解特征向量的之间的逐位置响应性关联以得到所述分类特征矩阵。
35.最终，将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成员是否适宜。在这个过程中，使用分类器对分类特征矩阵进行学习和分类，可以得出一个具体的分类结果，即该任务是否应该被指派给某个备选成员。这个分类结果取决于匹配度、成员素质等多种因素，可以通过训练样本数据来调整分类器的参数，使其能够更准确地输出分类结果。
36.特别地，在本技术的技术方案中，在对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码得到所述分类特征矩阵时，由于所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量分别是对所述软件开发任务的文本描述和所述备选成员的工作要素进行文本语义的上下文编码得到的，而所述软件开发任务的文本描述和所述备选成员的工作要素并不能够在文本序列上保持一致性对应关系，这就使得所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量的各个局部之间的相关度不同。
37.由此，当进行所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量的逐位置关联得到所述分类特征矩阵时，所述分类特征矩阵的各个局部分布之间也会在分类器的类概率表达上存在概率密度差异（例如，特征向量间相关度高的局部关联得到的局部特征矩阵分布相对于特征向量间相关度低的局部关联得到的局部特征矩阵分布），导致在概率密度空间内的收敛性差，影响通过分类器得到的分类结果的准确性。
38.因此，本技术的申请人对所述分类特征矩阵进行高斯概率密度的流形曲面的基准线网化，具体表示为：，其中，和是特征值集合
的均值和标准差，且是优化后的所述分类特征矩阵的第位置的特征值。
39.这里，所述高斯概率密度的流形曲面的基准线网化以所述分类特征矩阵的高维特征集合的统计特性，即均值和标准差作为概率密度度量的基准锚点，通过沿着流形曲面的局部线性嵌入方向进行线网化，以获得局部概率密度极值的邻域网络的低维约束表达，从而通过重构流形曲面的概率密度表达来基于邻域分布地约束高维特征的局部分布的基于基准的相对空间位置关系，这样，就提升了所述分类特征矩阵的高维特征的概率密度的空间收敛性，从而提升了所述分类特征矩阵在概率密度空间内的概率密度表达的一致性，改进了所述分类特征矩阵通过分类器得到的分类结果的准确性。
40.图1为根据本技术实施例的用于软件开发的项目管理系统的应用场景图。如图1所示，在该应用场景中，首先，获取软件开发任务的文本描述（例如，如图1中所示意的c1），以及，获取备选成员的工作要素（例如，如图1中所示意的c2）；然后，将获取的软件开发任务的文本描述和备选成员的工作要素输入至部署有用于软件开发的项目管理算法的服务器（例如，如图1中所示意的s）中，其中所述服务器能够基于用于软件开发的项目管理算法对所述软件开发任务的文本描述和所述备选成员的工作要素进行处理，以生成用于表示将软件开发任务分配给备选成员是否适宜的分类结果。
41.在介绍了本技术的基本原理之后，下面将参考附图来具体介绍本技术的各种非限制性实施例。
42.在本技术的一个实施例中，图2为根据本技术实施例的用于软件开发的项目管理系统的框图。如图2所示，根据本技术实施例的用于软件开发的项目管理系统100，包括：开发任务描述获取模块110，用于获取软件开发任务的文本描述；工作要素抓取模块120，用于获取备选成员的工作要素，所述工作元素包括专业知识、技能、经验、兴趣和动机；开发任务语义理解模块130，用于对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量；工作要素语义理解模块140，用于对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量；关联编码模块150，用于对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵；特征优化模块160，用于对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；以及，管理结果生成模块170，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成员是否适宜。
43.具体地，在本技术实施例中，所述开发任务描述获取模块110和所述工作要素抓取模块120，用于获取软件开发任务的文本描述；以及，用于获取备选成员的工作要素，所述工作元素包括专业知识、技能、经验、兴趣和动机。针对上述技术需求，本技术的技术构思为：通过自然语言处理工具对软件开发任务和备选成员的工作要素进行语义理解，并基于两者在高维语义特征空间中的联立表示来表示两者之间的适配度，最终以分类器来确定将软件开发任务分配给备选成员是否适宜，通过这样的方式，提供智能的基于语义理解的开发任务分配功能模块，以提高任务分配效率和任务分配的适配度。
44.具体地，在本技术的技术方案中，首先获取软件开发任务的文本描述，以及，备选
成员的工作要素，所述工作元素包括专业知识、技能、经验、兴趣和动机。应可以理解，获取软件开发任务的文本描述和备选成员的工作要素是指派工作人员的关键前提。在开发任务的分配过程中，需要了解任务的具体内容、要求和目标，同时也需要了解备选成员的能力、技能、经验和兴趣等方面，才能更好地将任务指派给合适的人员。对于软件开发任务来说，其文本描述可以包含许多重要信息，例如要求的功能、技术要求、时间限制等。对于备选成员来说，其工作要素也涵盖了许多关键因素，如专业知识、技能、经验、兴趣和动机等，这些因素都会影响到其完成任务的效率和质量。
45.具体地，在本技术实施例中，所述开发任务语义理解模块130和所述工作要素语义理解模块140，用于对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量；以及，用于对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量。
46.接着，对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量，以及，对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量。也就是，在本技术的技术方案中，使用所述包含词嵌入层的上下文编码器对所述软件开发任务的文本描述和所述备选成员的工作要素进行语义理解以得到所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量。在本技术一个具体的示例中，所述包含词嵌入层的上下文编码器为基于转换器的bert模型。
47.其中，图3为根据本技术实施例的用于软件开发的项目管理系统中所述开发任务语义理解模块的框图，如图3所示，所述开发任务语义理解模块130，包括：第一分词单元131，用于对所述软件开发任务的文本描述进行图像分块处理以得到第一图像块的序列；第一词嵌入单元132，用于使用所述上下文编码器的词嵌入层分别对所述第一图像块的序列中各个图像块进行嵌入编码以得到第一图像块嵌入向量的序列；第一上下文语义编码单元133，用于将所述第一图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个软件开发任务特征向量；以及，第一级联单元134，用于将所述多个软件开发任务特征向量级联以得到所述软件开发任务语义特征向量。
48.图4为根据本技术实施例的用于软件开发的项目管理系统中所述第一上下文语义编码单元的框图，如图4所示，所述第一上下文语义编码单元133，包括：向量构造子单元1331，用于将所述第一图像块嵌入向量的序列进行一维排列以得到第一全局图像特征向量；自注意子单元1332，用于计算所述第一全局图像特征向量与所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量的转置向量之间的乘积以得到多个第一自注意力关联矩阵；标准化子单元1333，用于分别对所述多个第一自注意力关联矩阵中各个第一自注意力关联矩阵进行标准化处理以得到多个第一标准化后自注意力关联矩阵；关注度计算子单元1334，用于将所述多个第一标准化后自注意力关联矩阵中各个第一标准化后自注意力关联矩阵通过softmax分类函数以得到多个第一概率值；以及，注意力施加子单元1335，用于分别以所述多个第一概率值中各个第一概率值作为权重对所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量进行加权以得到所述多个软件开发任务特征向量。
49.进一步地，图5为根据本技术实施例的用于软件开发的项目管理系统中所述工作
要素语义理解模块的框图，如图5所示，所述工作要素语义理解模块140，包括：第二分词单元141，用于对所述备选成员的工作要素进行图像分块处理以得到第二图像块的序列；第二词嵌入单元142，用于使用所述上下文编码器的词嵌入层分别对所述第二图像块的序列中各个图像块进行嵌入编码以得到第二图像块嵌入向量的序列；第二上下文语义编码单元143，用于将所述第二图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个成员工作要素特征向量；以及，第二级联单元144，用于将所述多个成员工作要素特征向量级联以得到所述成员工作要素语义理解特征向量。
50.上下文编码器旨在挖掘得到词序列中上下文之间的隐藏模式，可选地，编码器包括：cnn(convolutional neural network，卷积神经网络)、recursive nn(recursiveneural network，递归神经网络)、语言模型(language model)等。基于cnn的方法对于局部特征有比较好的提取效果，但其对于句子中的长程依赖(long-term dependency)问题效果欠佳，因此基于bi-lstm(long short
‑ꢀ
term memory，长短期记忆网络)的编码器被广泛使用。recursive nn把句子当作树状结构而非序列进行处理，从理论上而言具有更强的表示能力，但其存在样本标注难度大、深层易梯度消失、难以并行计算等弱点，因此在实际应用中使用 较少。bert是应用广泛的网络结构了，同时具有cnn和rnn的特性，对于全局特征有较好的提取效果，同时相较于rnn(recurrentneural network，循环神经网络)在并行计算上具有一定优势。
51.具体地，在本技术实施例中，所述关联编码模块150，用于对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵。进而，对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵。这里，对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码目的是在高维语义特征空间中构建所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量之间的联立表示以此类表示两者之间适配度特征表达。
52.在本技术一个具体的示例中，计算所述软件开发任务语义特征向量的转置向量与所述成员工作要素语义理解特征向量的之间的逐位置响应性关联以得到所述分类特征矩阵。
53.其中，所述关联编码模块150，用于：以如下编码公式对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵；其中，所述编码公式为：其中，表示所述软件开发任务语义特征向量，表示所述软件开发任务语义特征向量的转置向量，表示所述成员工作要素语义理解特征向量，表示所述分类特征矩阵， 表示矩阵相乘。
54.具体地，在本技术实施例中，所述特征优化模块160，用于对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵。特别地，在本技术的技术方案中，在对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码得到所述分类特征矩阵时，由于所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量分别是对所述软件开发任务的文本描述和所述备选成员的工作要素进行文本语义的上
下文编码得到的，而所述软件开发任务的文本描述和所述备选成员的工作要素并不能够在文本序列上保持一致性对应关系，这就使得所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量的各个局部之间的相关度不同。
55.由此，当进行所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量的逐位置关联得到所述分类特征矩阵时，所述分类特征矩阵的各个局部分布之间也会在分类器的类概率表达上存在概率密度差异（例如，特征向量间相关度高的局部关联得到的局部特征矩阵分布相对于特征向量间相关度低的局部关联得到的局部特征矩阵分布），导致在概率密度空间内的收敛性差，影响通过分类器得到的分类结果的准确性。
56.因此，本技术的申请人对所述分类特征矩阵进行高斯概率密度的流形曲面的基准线网化，具体表示为：以如下优化公式对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；其中，所述优化公式为：，其中，表示所述分类特征矩阵，和是所述分类特征矩阵中各个位置的特征值集合的均值和标准差，是所述分类特征矩阵的第 位置的特征值，是所述优化分类特征矩阵的第位置的特征值。
57.这里，所述高斯概率密度的流形曲面的基准线网化以所述分类特征矩阵的高维特征集合的统计特性，即均值和标准差作为概率密度度量的基准锚点，通过沿着流形曲面的局部线性嵌入方向进行线网化，以获得局部概率密度极值的邻域网络的低维约束表达，从而通过重构流形曲面的概率密度表达来基于邻域分布地约束高维特征的局部分布的基于基准的相对空间位置关系，这样，就提升了所述分类特征矩阵的高维特征的概率密度的空间收敛性，从而提升了所述分类特征矩阵在概率密度空间内的概率密度表达的一致性，改进了所述分类特征矩阵通过分类器得到的分类结果的准确性。
58.具体地，在本技术实施例中，所述管理结果生成模块170，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成员是否适宜。最终，将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成员是否适宜。在这个过程中，使用分类器对分类特征矩阵进行学习和分类，可以得出一个具体的分类结果，即该任务是否应该被指派给某个备选成员。这个分类结果取决于匹配度、成员素质等多种因素，可以通过训练样本数据来调整分类器的参数，使其能够更准确地输出分类结果。
59.图6为根据本技术实施例的用于软件开发的项目管理系统中所述管理结果生成模块的框图，如图6所示，所述管理结果生成模块170，包括：矩阵展开单元171，用于将所述优化分类特征矩阵按照行向量或列向量展开为分类特征向量；全连接编码单元172，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类单元173，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
60.综上，基于本技术实施例的用于软件开发的项目管理系统100被阐明，其获取软件
开发任务的文本描述和备选成员的工作要素；通过自然语言处理工具对软件开发任务和备选成员的工作要素进行语义理解，并基于二者在高维语义特征空间中的联立来表示两者之间的适配度，最终以分类器确定将软件开发任务分配给备选成员是否适宜。通过这样的方式，提供智能的基于语义理解的开发任务分配功能模块，以提高任务分配效率和任务分配的适配度。
61.如上所述，根据本技术实施例的用于软件开发的项目管理系统 100可以实现在各种终端设备中，例如用于软件开发的项目管理的服务器等。在一个示例中，根据本技术实施例的用于软件开发的项目管理系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该用于软件开发的项目管理系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该用于软件开发的项目管理系统100同样可以是该终端设备的众多硬件模块之一。
62.替换地，在另一示例中，该用于软件开发的项目管理系统100与该终端设备也可以是分立的设备，并且该用于软件开发的项目管理系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
63.在本技术的一个实施例中，图7为根据本技术实施例的用于软件开发的项目管理方法的流程图。如图7所示，根据本技术实施例的用于软件开发的项目管理方法，其包括：210，获取软件开发任务的文本描述；220，获取备选成员的工作要素，所述工作元素包括专业知识、技能、经验、兴趣和动机；230，对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量；240，对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量；250，对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵；260，对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；以及，270，将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成员是否适宜。
64.图8为根据本技术实施例的用于软件开发的项目管理方法的系统架构的示意图。如图8所示，在所述用于软件开发的项目管理方法的系统架构中，首先，获取软件开发任务的文本描述；然后，获取备选成员的工作要素，所述工作元素包括专业知识、技能、经验、兴趣和动机；接着，对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量；然后，对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量；接着，对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵；然后，对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；以及，最后，将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成员是否适宜。
65.在一个具体示例中，在上述用于软件开发的项目管理方法中，对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量，包括：对所述软件开发任务的文本描述进行图像分块处理以得到第一图像块的序列；使用所述上下文编码器的词嵌入层分别对所述第一图像块的序列中各个图像块进行嵌入编码以得到第一图像块嵌入向量的序列；将所述第一图像块嵌入向量的序列输入所
述上下文编码器的转换器以得到多个软件开发任务特征向量；以及，将所述多个软件开发任务特征向量级联以得到所述软件开发任务语义特征向量。
66.在一个具体示例中，在上述用于软件开发的项目管理方法中，将所述第一图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个软件开发任务特征向量，包括：将所述第一图像块嵌入向量的序列进行一维排列以得到第一全局图像特征向量；计算所述第一全局图像特征向量与所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量的转置向量之间的乘积以得到多个第一自注意力关联矩阵；分别对所述多个第一自注意力关联矩阵中各个第一自注意力关联矩阵进行标准化处理以得到多个第一标准化后自注意力关联矩阵；将所述多个第一标准化后自注意力关联矩阵中各个第一标准化后自注意力关联矩阵通过softmax分类函数以得到多个第一概率值；以及，分别以所述多个第一概率值中各个第一概率值作为权重对所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量进行加权以得到所述多个软件开发任务特征向量。
67.在一个具体示例中，在上述用于软件开发的项目管理方法中，对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量，包括：对所述备选成员的工作要素进行图像分块处理以得到第二图像块的序列；使用所述上下文编码器的词嵌入层分别对所述第二图像块的序列中各个图像块进行嵌入编码以得到第二图像块嵌入向量的序列；将所述第二图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个成员工作要素特征向量；以及，将所述多个成员工作要素特征向量级联以得到所述成员工作要素语义理解特征向量。
68.在一个具体示例中，在上述用于软件开发的项目管理方法中，对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵，包括：以如下编码公式对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵；其中，所述编码公式为：其中，表示所述软件开发任务语义特征向量，表示所述软件开发任务语义特征向量的转置向量，表示所述成员工作要素语义理解特征向量，表示所述分类特征矩阵， 表示矩阵相乘。
69.在一个具体示例中，在上述用于软件开发的项目管理方法中，对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵，包括：以如下优化公式对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；其中，所述优化公式为：，其中，表示所述分类特征矩阵，和是所述分类特征矩阵中各个位置的特征值集合的均值和标准差，是所述分类特征矩阵的第 位置的特征值，是所述优化分类特征矩阵的第位置的特征值。
70.在一个具体示例中，在上述用于软件开发的项目管理方法中，将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成
员是否适宜，包括：将所述优化分类特征矩阵按照行向量或列向量展开为分类特征向量；使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
71.本领域技术人员可以理解，上述用于软件开发的项目管理方法中的各个步骤的具体操作已经在上面参考图1到图6的用于软件开发的项目管理系统的描述中得到了详细介绍，并因此，将省略其重复描述。
72.本技术还提供了一种计算机程序产品，所述计算机程序产品包括指令，当所述指令被执行时，以使得装置执行对应于上述方法中的操作。
73.在本技术的一个实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述所述方法的计算机程序。
74.应可以理解，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等) 上实施的计算机程序产品的形式。
75.本技术实施例的方法、系统、和计算机程序产品的流程图和/或框图来描述的。应理解可由计算机程序指令实现流程图和/或框图中的每一流程和/或方框、以及流程图和/或框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或框图一个方框或多个方框中指定的功能的装置。
76.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或框图一个方框或多个方框中指定的功能。
77.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或框图一个方框或多个方框中指定的功能的步骤。
78.以上结合具体实施例描述了本技术的基本原理，但是，需要指出的是，在本技术中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本技术的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本技术为必须采用上述具体的细节来实现。
79.本技术中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
80.还需要指出的是，在本技术的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本技术的等效方案。
81.提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本技术。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本技术的范围。因此，本技术不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
82.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
83.为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本技术的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

技术特征：
1.一种用于软件开发的项目管理系统，其特征在于，包括：开发任务描述获取模块，用于获取软件开发任务的文本描述；工作要素抓取模块，用于获取备选成员的工作要素，所述工作元素包括专业知识、技能、经验、兴趣和动机；开发任务语义理解模块，用于对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量；工作要素语义理解模块，用于对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量；关联编码模块，用于对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵；特征优化模块，用于对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；以及管理结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成员是否适宜。2.根据权利要求1所述的用于软件开发的项目管理系统，其特征在于，所述开发任务语义理解模块，包括：第一分词单元，用于对所述软件开发任务的文本描述进行图像分块处理以得到第一图像块的序列；第一词嵌入单元，用于使用所述上下文编码器的词嵌入层分别对所述第一图像块的序列中各个图像块进行嵌入编码以得到第一图像块嵌入向量的序列；第一上下文语义编码单元，用于将所述第一图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个软件开发任务特征向量；以及第一级联单元，用于将所述多个软件开发任务特征向量级联以得到所述软件开发任务语义特征向量。3.根据权利要求2所述的用于软件开发的项目管理系统，其特征在于，所述第一上下文语义编码单元，包括：向量构造子单元，用于将所述第一图像块嵌入向量的序列进行一维排列以得到第一全局图像特征向量；自注意子单元，用于计算所述第一全局图像特征向量与所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量的转置向量之间的乘积以得到多个第一自注意力关联矩阵；标准化子单元，用于分别对所述多个第一自注意力关联矩阵中各个第一自注意力关联矩阵进行标准化处理以得到多个第一标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个第一标准化后自注意力关联矩阵中各个第一标准化后自注意力关联矩阵通过softmax分类函数以得到多个第一概率值；以及注意力施加子单元，用于分别以所述多个第一概率值中各个第一概率值作为权重对所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量进行加权以得到所述多个软件开发任务特征向量。4.根据权利要求3所述的用于软件开发的项目管理系统，其特征在于，所述工作要素语义理解模块，包括：第二分词单元，用于对所述备选成员的工作要素进行图像分块处理以得到第二图像块的序列；第二词嵌入单元，用于使用所述上下文编码器的词嵌入层分别对所述第二图像块的序列中各个图像块进行嵌入编码以得到第二图像块嵌入向量的序列；第二上下文语义编码单元，用于将所述第二图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个成员工作要素特征向量；以及第二级联单元，用于将所述多个成员工作要素特征向量级联以得到所述成员工作要素语义理解特征向量。5.根据权利要求4所述的用于软件开发的项目管理系统，其特征在于，所述关联编码模块，用于：以如下编码公式对所述软件开发任务语义特征向量和所述成员工作要素语义理
解特征向量进行关联编码以得到分类特征矩阵；其中，所述编码公式为：其中，表示所述软件开发任务语义特征向量，表示所述软件开发任务语义特征向量的转置向量，表示所述成员工作要素语义理解特征向量，表示所述分类特征矩阵， 表示矩阵相乘。6.根据权利要求5所述的用于软件开发的项目管理系统，其特征在于，所述特征优化模块，用于：以如下优化公式对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；其中，所述优化公式为：，其中，表示所述分类特征矩阵，和是所述分类特征矩阵中各个位置的特征值集合的均值和标准差，是所述分类特征矩阵的第 位置的特征值，是所述优化分类特征矩阵的第位置的特征值。7.根据权利要求6所述的用于软件开发的项目管理系统，其特征在于，所述管理结果生成模块，包括：矩阵展开单元，用于将所述优化分类特征矩阵按照行向量或列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及分类单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。8.一种用于软件开发的项目管理方法，其特征在于，包括：获取软件开发任务的文本描述；获取备选成员的工作要素，所述工作元素包括专业知识、技能、经验、兴趣和动机；对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量；对所述备选成员的工作要素进行分词处理后通过所述包含词嵌入层的上下文编码器以得到成员工作要素语义理解特征向量；对所述软件开发任务语义特征向量和所述成员工作要素语义理解特征向量进行关联编码以得到分类特征矩阵；对所述分类特征矩阵进行类概率收敛化以得到优化分类特征矩阵；以及将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示将软件开发任务分配给备选成员是否适宜。9.根据权利要求8所述的用于软件开发的项目管理方法，其特征在于，对所述软件开发任务的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到软件开发任务语义特征向量，包括：对所述软件开发任务的文本描述进行图像分块处理以得到第一图像块的序列；使用所述上下文编码器的词嵌入层分别对所述第一图像块的序列中各个图像块进行嵌入编码以得到第一图像块嵌入向量的序列；将所述第一图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个软件开发任务特征向量；以及将所述多个软件开发任务特征向量级联以得到所述软件开发任务语义特征向量。10.根据权利要求9所述的用于软件开发的项目管理方法，其特征在于，将所述第一图像块嵌入向量的序列输入所述上下文编码器的转换器以得到多个软件开发任务特征向量，包括：将所述第一图像块嵌入向量的序列进行一维排列以得到第一全局图像特征向量；计
算所述第一全局图像特征向量与所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量的转置向量之间的乘积以得到多个第一自注意力关联矩阵；分别对所述多个第一自注意力关联矩阵中各个第一自注意力关联矩阵进行标准化处理以得到多个第一标准化后自注意力关联矩阵；将所述多个第一标准化后自注意力关联矩阵中各个第一标准化后自注意力关联矩阵通过softmax分类函数以得到多个第一概率值；以及分别以所述多个第一概率值中各个第一概率值作为权重对所述第一图像块嵌入向量的序列中各个第一图像块嵌入向量进行加权以得到所述多个软件开发任务特征向量。

技术总结
一种用于软件开发的项目管理系统及其方法，其获取软件开发任务的文本描述和备选成员的工作要素；通过自然语言处理工具对软件开发任务和备选成员的工作要素进行语义理解，并基于二者在高维语义特征空间中的联立来表示两者之间的适配度，最终以分类器确定将软件开发任务分配给备选成员是否适宜。通过这样的方式，提供智能的基于语义理解的开发任务分配功能模块，以提高任务分配效率和任务分配的适配度。度。度。


技术研发人员：涂晶
受保护的技术使用者：深圳市奇力智能有限公司
技术研发日：2023.05.11
技术公布日：2023/8/16