[發明專利]一種基于機器學習的軟件味道檢測方法

在審

• 申請號: 202010614287.2
• 申請日: 2020-06-30
• 公開（公告）號: CN111813442A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 殷永峰;李昆;劉利軍;宿慶冉
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F8/72
• 分類號: G06F8/72;G06N20/00
• 代理公司: 北京清大紫荊知識產權代理有限公司 11718
• 代理人: 張卓

1.一種基于機器學習的軟件味道檢測方法，其特征在于,包括以下步驟：

步驟1、確定待重構軟件代碼，選取所述待重構軟件參與機器學習的軟件代碼味道類型；

步驟2、依據待重構軟件模塊特性，通過軟件歷史倉庫抽取相應的相關軟件模塊，作為機器學習數據訓練的源頭；

步驟3、確定抽取的軟件模塊后，依據軟件模塊本身特性，選取軟件度量指標，并進行標記；

步驟4、確定軟件度量指標后，針對不同度量屬性進行軟件模塊度量并標記結果形成分類器：具有代碼味道或者不具備代碼味道；

步驟5、待重構的新的軟件模塊選取步驟3中相應的軟件度量指標，進行軟件度量后并進行數據預處理；

步驟6、使用步驟5中數據預處理后結果，結合步驟4中的分類器，采用機器學習算法選取模型評價指標，并輸出軟件味道分類結果，為軟件代碼重構提供依據和定位。

2.根據權利要求1所述的一種基于機器學習的軟件味道檢測方法，所述代碼味道類型包括但不限于Data class(數據類)、Large class(大類)、Feature envy(相戀情節)、Longmethod(長函數)。

3.根據權利要求1所述的一種基于機器學習的軟件味道檢測方法，所述軟件度量指標包括但不限于復雜度、內聚、規模、耦合度。

4.根據權利要求1所述的一種基于機器學習的軟件味道檢測方法，所述待重構軟件的模塊特性分為文件、包、類和函數。

5.根據權利要求1所述的一種基于機器學習的軟件味道檢測方法，所述預處理包括但不限于噪音移除、數據歸一化、降維。

6.根據權利要求1所述的一種基于機器學習的軟件味道檢測方法，所述模型評價指標包括但不限于準確率、查全率、查準率。