軟件工程數(shù)據(jù)挖掘若干問(wèn)題研究.pdf

1、軟件工程數(shù)據(jù)是軟件工程整個(gè)過(guò)程中所產(chǎn)生的各種數(shù)據(jù)，包括軟件的源代碼、文檔、缺陷報(bào)告等。在絕大多數(shù)情況下，軟件工程數(shù)據(jù)是開(kāi)發(fā)者獲取信息的唯一來(lái)源。隨著計(jì)算機(jī)軟件規(guī)模的不斷擴(kuò)大，手工獲取開(kāi)發(fā)和維護(hù)軟件所需的信息越來(lái)越困難。數(shù)據(jù)挖掘技術(shù)可從軟件工程數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)所需信息，加快軟件開(kāi)發(fā)進(jìn)程，提高軟件質(zhì)量。本文針對(duì)軟件工程數(shù)據(jù)挖掘的若干問(wèn)題進(jìn)行研究，主要貢獻(xiàn)如下:
　　1.提出了一種Java源代碼中Method的自動(dòng)命名方法。軟件源代碼中標(biāo)

2、識(shí)符的正確命名對(duì)軟件維護(hù)非常重要，恰當(dāng)?shù)腗ethod名能夠使開(kāi)發(fā)者了解Method的功能，而不恰當(dāng)?shù)拿麆t會(huì)誤導(dǎo)他們。但是，開(kāi)發(fā)者除了個(gè)人的經(jīng)驗(yàn)技術(shù)之外，他們?cè)跒镸ethod命名時(shí)幾乎無(wú)所憑依。本文提出了一種基于文本分類的方法，為Method選擇恰當(dāng)?shù)膭?dòng)作名。實(shí)驗(yàn)表明，本文方法的命名正確率達(dá)到70％以上。
　　2.提出了一種程序盜用檢測(cè)方法。與軟件業(yè)、特別是開(kāi)源軟件的蓬勃發(fā)展相比，用以保護(hù)現(xiàn)有軟件免遭軟件盜用者侵害的檢測(cè)工具少得可

3、憐。一個(gè)不自律的開(kāi)發(fā)者可以通過(guò)代碼偽裝技術(shù)盜用他人的源碼，而又逃脫法律的制裁。現(xiàn)有的基于程序依賴圖的檢測(cè)工具可以檢出若干種專業(yè)的代碼偽裝，但時(shí)間效率無(wú)法讓人滿意，并且它們無(wú)法識(shí)破影響程序依賴圖結(jié)構(gòu)的偽裝。本文提出了一種新的盜用檢測(cè)工具TPLAG，它不僅將代碼盜用檢測(cè)的時(shí)間復(fù)雜度從指數(shù)級(jí)降到多項(xiàng)式級(jí)，而且能成功地識(shí)破影響圖結(jié)構(gòu)的代碼偽裝技術(shù)。
　　3.提出了一種缺陷分派方法。人型軟件的開(kāi)發(fā)組每天都會(huì)收到成百上千的缺陷報(bào)告，對(duì)這些缺陷

4、進(jìn)行分派是軟件開(kāi)發(fā)者們的一項(xiàng)沉重的負(fù)擔(dān)?，F(xiàn)有的研究工作將軟件缺陷自動(dòng)分派歸結(jié)為文本分類問(wèn)題。本文利用Latent Dirichlet Allocation(LDA)進(jìn)行文本降維，在此基礎(chǔ)上基于文本分類方法進(jìn)行缺陷分派，提高了分派的準(zhǔn)確率。
　　4.提出了一種缺陷報(bào)告質(zhì)量評(píng)估方法。軟件維護(hù)工作的質(zhì)量與缺陷報(bào)告本身的質(zhì)量高度相關(guān)，不包含有用信息、質(zhì)量低下的缺陷報(bào)告很可能被開(kāi)發(fā)者直接忽略，相應(yīng)的缺陷也就無(wú)法得到修復(fù)。本文提出了一種基于主