买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利一种基于用例增强的自动化软件产品线特征模型生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120234032B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510715849.5，技术领域涉及：G06F8/70；该发明授权一种基于用例增强的自动化软件产品线特征模型生成方法是由黄翰;袁中锦;向毅;曹捷;雷丰强设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本一种基于用例增强的自动化软件产品线特征模型生成方法在说明书摘要公布了：本发明公开了一种基于用例增强的自动化软件产品线特征模型生成方法，涉及软件产品线技术领域，通过构建特征约束提示框架和用例约束提示框架并输入第一软件需求文本，得到用例约束提示和特征约束提示，两者分别与第一软件需求文本组合，分别输入第一大语言模型以及第二大语言模型，得第一语料和第二语料；第一语料和第二语料拼为用例增强联合表示，用例增强联合表示和第一软件需求文本构成样本对、多个样本对构成训练集；由训练集引导第二大语言模型优化为SPL用例增强大模型；将第二软件需求文本输入特征约束提示框架生成提示词；将提示词输入SPL用例增强大模型生成SPL特征模型。最终实现对复杂软件需求进行更高效准确的软件产品线建模。

本发明授权一种基于用例增强的自动化软件产品线特征模型生成方法在权利要求书中公布了：1.一种基于用例增强的自动化软件产品线特征模型生成方法，其特征在于，包括如下步骤： S1、采集软件产品线的特征模型，所述特征模型包括多个特征；根据所述特征之间的约束关系构建特征约束提示框架；对于UML用例图，包括多个构成元素，根据所述构成元素之间的约束关系构建用例约束提示框架； S2、采集第一软件需求文本，输入所述特征约束提示框架和所述用例约束提示框架，分别得到用例约束提示和特征约束提示； 将所述用例约束提示和所述第一软件需求文本输入预设的第一大语言模型，生成UML用例图结构化数据，记为第一语料； 将所述特征约束提示和所述第一软件需求文本输入预设的第二大语言模型，生成SPL特征模型结构化数据，记为第二语料； S3、将所述第一语料和所述第二语料编码化处理，分别得到向量Vuml和向量Vfm；再将所述第一软件需求文本编码化处理，得到向量Vreq；设定分隔符并编码化处理，得到向量Vsep； 利用注意力机制动态计算位置关系，为向量Vuml、向量Vsep、向量Vfm分配独立的位置编码，分别为posuml、possep、posfm；将所述第一语料和所述第二语料拼接处理，表示为： Vjoint＝Vuml⊕Vsep⊕Vfm+Concatposuml,possep,posfm； 其中，⊕表示异或，Vjoint表示用例增强联合表示； 一个所述用例增强联合表示和对应的第一软件需求文本构成一个样本对； S4、重复步骤S2、S3，获取多个所述样本对，构成训练集；所述第二大语言模型采用所述训练集进行训练，最大化所述用例增强联合表示和所述第一软件需求文本之间的相关性，得到SPL用例增强大模型； 所述训练为，计算所述样本对的SPL互信息，即： 其中，ISPLR；J表示所述SPL互信息；r表示所述向量Vreq；j表示所述向量Vjoint；R为多个r的集合；J为多个j的集合；pr,j表示r和j的联合分布；pr和pj分别表示r和j边缘分布； 将所述SPL互信息最大化，使所述用例增强联合表示和所述第一软件需求文本之间的相关性最大化； 所述训练还包括，采用MINE方法，利用神经网络θ计算SPL互信息估计值，即： 其中，表示SPL互信息估计值；Tθ为由神经网络参数化的函数； 通过梯度下降θ，使所述SPL互信息最大化； S5、采集第二软件需求文本，输入所述特征约束提示框架，生成的特征约束提示作为提示词；将所述提示词输入所述SPL用例增强大模型进行推理，生成SPL特征模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。