基于向量空間模型的方面挖掘方法研究.pdf

1、傳統(tǒng)的編程技術(shù)無法模塊化實(shí)現(xiàn)系統(tǒng)關(guān)注點(diǎn),導(dǎo)致系統(tǒng)關(guān)注點(diǎn)的實(shí)現(xiàn)代碼橫切于多個(gè)代碼模塊中,因此這些關(guān)注點(diǎn)被命名為橫切關(guān)注點(diǎn)。面向方面編程技術(shù)可以將這些橫切關(guān)注點(diǎn)單獨(dú)實(shí)現(xiàn)為Aspect,從而解決了采用傳統(tǒng)編程技術(shù)實(shí)現(xiàn)遺產(chǎn)系統(tǒng)難以維護(hù)、進(jìn)化和修改等問題。如何將遺產(chǎn)系統(tǒng)轉(zhuǎn)化為面向方面系統(tǒng)成為當(dāng)前研究的熱點(diǎn)話題。為了實(shí)現(xiàn)遺產(chǎn)系統(tǒng)向面向方面系統(tǒng)轉(zhuǎn)化,需要使用方面挖掘技術(shù)識別遺產(chǎn)系統(tǒng)中的橫切關(guān)注點(diǎn),然后將識別的橫切關(guān)注點(diǎn)使用重構(gòu)技術(shù)封裝成獨(dú)立的Aspe

2、ct。本文重點(diǎn)研究了使用向量空間模型標(biāo)識遺產(chǎn)系統(tǒng)源代碼中方法級橫切關(guān)注點(diǎn),基于聚類分析技術(shù)進(jìn)行橫切關(guān)注點(diǎn)識別的自動化方面挖掘方法。
　　本文首先分析了現(xiàn)有的使用向量空間模型的方面挖掘方法的挖掘過程,發(fā)現(xiàn)現(xiàn)有的向量空間模型中屬性都是基于源代碼中類級別的,通過對源代碼的進(jìn)一步分析,依據(jù)被調(diào)用方法和方法名分解的token字,提出了FIV-class、FIV-method和FIV-method-tokens三個(gè)改進(jìn)的向量空間模型,給出了每

3、個(gè)模型的構(gòu)造算法,描述了使用啟發(fā)式k-means聚類算法進(jìn)行方面挖掘的挖掘過程。針對JHotDraw源代碼,基于相同的聚類算法,使用現(xiàn)有的向量空間模型和改進(jìn)的向量空間模型進(jìn)行方面挖掘,給出了實(shí)驗(yàn)過程和實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果表明,相比于現(xiàn)有的向量空間模型,使用本文提出的三個(gè)改進(jìn)向量空間模型進(jìn)行方面挖掘的挖掘結(jié)果在DISP評價(jià)指標(biāo)上有明顯的提高。
　　為了進(jìn)一步提高使用向量空間模型的方面挖掘方法的挖掘效率,本文對現(xiàn)有的兩種基于啟發(fā)式的凝聚

4、聚類算法進(jìn)行了比較,證明了HAC算法比HACO算法更適合使用向量空間模型的方面挖掘。本文給出了基于HAC算法,使用改進(jìn)的三個(gè)向量空間模型進(jìn)行方面挖掘的挖掘過程。針對JHotDraw源代碼,基于啟發(fā)式k-means聚類算法和HAC算法,使用現(xiàn)有的向量空間模型和改進(jìn)的向量空間模型進(jìn)行方面挖掘,給出了實(shí)驗(yàn)過程和實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果表明,相比于現(xiàn)有的使用向量空間的方面挖掘方法,本文提出的基于HAC算法,使用改進(jìn)向量空間的方面挖掘方法的挖掘結(jié)果在D