[發(fā)明專利]基于相關(guān)主題模型的程序理解和特征定位方法

在審

• 申請?zhí)枺?/td>: 201510036368.8
• 申請日: 2015-01-23
• 公開（公告）號: CN104572115A
• 公開（公告）日: 2015-04-29
• 發(fā)明（設(shè)計(jì)）人: 孫小兵;劉湘月;李斌;李云;朱俊武
• 申請（專利權(quán)）人: 揚(yáng)州大學(xué)
• 主分類號: G06F9/44
• 分類號: G06F9/44
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 戴朝榮

技術(shù)領(lǐng)域

本發(fā)明涉及軟件維護(hù)領(lǐng)域，尤其是一種基于相關(guān)主題模型的程序理解和特征定位方法。

背景技術(shù)

軟件產(chǎn)品一般在滿足用戶不斷更改的需求中不斷的升級和維護(hù)。為了實(shí)現(xiàn)某個維護(hù)請求，開發(fā)人員首先需要理解整個軟件系統(tǒng)，特別是對程序的理解。程序理解是軟件維護(hù)過程中最頻繁的工作，通常情況下，在軟件維護(hù)過程中程序理解要占到60％以上的時間。隨著軟件系統(tǒng)的不斷發(fā)展，整個系統(tǒng)的規(guī)模越來越大，復(fù)雜度也越來越高。為了輔助這項(xiàng)工作，一些程序理解技術(shù)采用圖或者樹的結(jié)構(gòu)來輔助開發(fā)人員理解軟件系統(tǒng)的結(jié)構(gòu)。這些方法主要的依據(jù)是程序元素之間的靜態(tài)結(jié)構(gòu)依賴關(guān)系。由于程序理解的目標(biāo)是理解系統(tǒng)的一些功能點(diǎn)和不同的源代碼是如何對應(yīng)那些相關(guān)的功能特征，因此，這些程序理解技術(shù)會忽視系統(tǒng)的功能特征。此前幾乎沒有技術(shù)可以快速直觀的提供系統(tǒng)的特征和各個文件之間的聯(lián)系，然而特征及其聯(lián)系可以有效的幫助開發(fā)人員得到一個軟件系統(tǒng)總體功能方面的特征信息，為軟件系統(tǒng)建立一個基于特征的網(wǎng)絡(luò)結(jié)構(gòu)，可以幫助開發(fā)人員更加簡單和快速的理解軟件系統(tǒng)。

特征定位是軟件維護(hù)和演化過程中由程序員進(jìn)行的最重要和最常見的活動之一，任何一個維護(hù)活動都需要在首先定位與手頭任務(wù)有關(guān)的代碼的情況下完成。特征定位對于軟件維護(hù)來說至關(guān)重要，因?yàn)樗窃谠隽孔兓谋尘跋卤粓?zhí)行的。在軟件系統(tǒng)中，一個特征代表一種功能，這種功能是按照開發(fā)者和使用者的要求和被接受程度來定義的。軟件維護(hù)與演化涉及增加新的功能，改進(jìn)現(xiàn)有的功能和修復(fù)漏洞，類似于去除一些不想要的功能。確定一個已知的特殊功能在源代碼中的位置叫做特征定位。隨著整個軟件代碼的不斷增加與變化，特征定位已成為開發(fā)人員所進(jìn)行的一種最常見的維護(hù)活動。而此前的技術(shù)大部分只關(guān)注如何進(jìn)行特征定位，很少有為需要特征定位的人員提供一個全面準(zhǔn)確而又易于理解的結(jié)果。給定一個特征，正確并且全面的定位到相關(guān)的代碼，并為定位到的代碼提供一個簡要的說明，更加有益于程序開發(fā)人員實(shí)現(xiàn)特征定位。

相關(guān)主題模型是一個在文檔的內(nèi)容屬性和網(wǎng)絡(luò)結(jié)構(gòu)上的層次概率分布模型。模型第一步將語料庫中的所有文檔作為一個主題概率混合模型，其次將文檔之間的聯(lián)系建立為一個二元變量。主要用來分析非結(jié)構(gòu)化語料庫，相關(guān)主題模型為理解和分析語料庫文檔之間的網(wǎng)絡(luò)關(guān)聯(lián)建立一個易于理解的模型。利用相關(guān)主題模型為經(jīng)過預(yù)處理的軟件系統(tǒng)進(jìn)行建模，為軟件系統(tǒng)建立程序特征網(wǎng)絡(luò)，程序特征網(wǎng)絡(luò)以網(wǎng)絡(luò)的形式將系統(tǒng)所有文檔即類文件及其之間的聯(lián)系展示出來，結(jié)點(diǎn)為每個類文件的內(nèi)容特征，邊側(cè)表示兩個文檔之間是否有聯(lián)系。軟件系統(tǒng)的特征以網(wǎng)絡(luò)的形式展現(xiàn)出來，便于開發(fā)人員快速準(zhǔn)確形象的理解軟件系統(tǒng)。在特征定位時，將特征擴(kuò)展為特征集作為程序特征網(wǎng)絡(luò)的一個結(jié)點(diǎn)，可以有效的預(yù)測其相關(guān)聯(lián)的類文件結(jié)點(diǎn)，再對這些結(jié)點(diǎn)進(jìn)行排序并提取摘要給予簡單的描述，更加有益于程序開發(fā)人員快速方便的實(shí)現(xiàn)特征定位。

發(fā)明內(nèi)容

為解決上述技術(shù)問題，本發(fā)明提供一種基于相關(guān)主題模型的程序理解和特征定位方法，包括如下步驟：

(1)導(dǎo)入需要理解的軟件系統(tǒng)的源代碼，提取每個類文件的用戶自定義標(biāo)識符以及注釋作為研究對象，并對其進(jìn)行預(yù)處理；

(2)利用相關(guān)主題模型為經(jīng)過預(yù)處理的類進(jìn)行建模，生成該系統(tǒng)的關(guān)于類文件的程序特征網(wǎng)絡(luò)，輸出該程序特征網(wǎng)絡(luò)供程序理解；

(3)輸入特征并將特征擴(kuò)展為特征集，特征集是特征中動詞和名詞以及其同義詞的集合，將擴(kuò)展的特征集作為程序特征網(wǎng)絡(luò)的一個結(jié)點(diǎn)對象，利用相關(guān)主題模型預(yù)測與其有邊的結(jié)點(diǎn)；

(4)將所預(yù)測的結(jié)點(diǎn)進(jìn)行排序，出現(xiàn)特征詞語次數(shù)多的類文件則排在前面；

(5)為排序后的結(jié)點(diǎn)生成內(nèi)容摘要和排序摘要以供使用者參考；

(6)輸出排序后的結(jié)點(diǎn)對應(yīng)的類文件及其摘要。

優(yōu)選的，預(yù)處理過程包括以下步驟：(1)刪除語義上和編程語言相關(guān)的關(guān)鍵字；(2)對一些按照駝峰規(guī)則和有下劃短線相連的組合詞進(jìn)行分詞；(3)去除英語停用詞；(4)將詞語的不同形式進(jìn)行歸一化。

優(yōu)選的，在建模時，程序特征網(wǎng)絡(luò)中的結(jié)點(diǎn)為經(jīng)過預(yù)處理的類文件，程序特征網(wǎng)絡(luò)中的邊的確立可以是是否共有相同的主題或者是否具有調(diào)用關(guān)系。

優(yōu)選的，將特征利用WordNet搜索其同義詞的方法進(jìn)行擴(kuò)展為特征集，特征集是特征中動詞和名詞以及其同義詞的集合，并將該特征集作為結(jié)點(diǎn)預(yù)測在程序特征網(wǎng)絡(luò)中相關(guān)聯(lián)的結(jié)點(diǎn)，即有邊的結(jié)點(diǎn)。