基于主題模型的程序理解技術(shù)的研究.pdf

1、為了滿足用戶不斷增加的需求，軟件產(chǎn)品需進(jìn)行不斷的維護(hù)與演化。而在軟件維護(hù)與演化的過(guò)程中，開(kāi)發(fā)人員面臨的主要問(wèn)題之一就是如何能夠快速而又準(zhǔn)確的理解整個(gè)軟件系統(tǒng)。隨著系統(tǒng)的演化，其規(guī)模和復(fù)雜度也在不停地增長(zhǎng)，程序理解的任務(wù)則變得越來(lái)越有難度。程序理解的目的在于獲得軟件系統(tǒng)信息，以易于人理解的形式展現(xiàn)出來(lái)，來(lái)輔助開(kāi)發(fā)人員理解軟件。本文針對(duì)面向?qū)ο驤ava程序的理解進(jìn)行了相關(guān)的技術(shù)研究，主要貢獻(xiàn)如下:
　　第一，軟件系統(tǒng)中的包的規(guī)模大小不

2、一。對(duì)于小規(guī)模的包開(kāi)發(fā)人員可以很容易地進(jìn)行理解，而對(duì)于大規(guī)模的包，靠人工理解則比較困難。我們對(duì)大規(guī)模的包提出了一種包分解技術(shù)，即利用主題模型將大規(guī)模的包進(jìn)行聚類來(lái)輔助理解。這些大規(guī)模的包經(jīng)過(guò)聚類之后分解為小規(guī)模的聚類簇，這樣，這些聚類簇和小規(guī)模包一樣更加易于開(kāi)發(fā)人員理解。除此以外，在生成聚類簇的過(guò)程中，可利用主題模型技術(shù)為聚類簇生成標(biāo)簽，從而更加有助于對(duì)這些包的理解。我們通過(guò)實(shí)驗(yàn)對(duì)四個(gè)軟件系統(tǒng)驗(yàn)證了我們方法的有效性，結(jié)果表明我們的方法的

3、聚類結(jié)果好于LSI(Latent semantic indexing)的結(jié)果，我們的方法得到的每個(gè)聚類標(biāo)簽都能有效地輔助程序理解。
　　第二，在實(shí)際程序理解過(guò)程中，程序員傾向并習(xí)慣于先對(duì)整個(gè)軟件系統(tǒng)的特征做整體的了解，之后再去找到感興趣的代碼和所需要的文件。因此，給定了目標(biāo)系統(tǒng)后，開(kāi)發(fā)人員通常需要對(duì)整個(gè)系統(tǒng)有一般或?qū)哟蔚睦斫?。傳統(tǒng)的開(kāi)發(fā)環(huán)境中可提供的視圖是從包到類的一個(gè)結(jié)構(gòu)，這并不易于理解這些大型軟件系統(tǒng)的語(yǔ)義特征。本文我們利用層

4、次主題模型生成一個(gè)軟件系統(tǒng)的特征樹(shù)方法，該特征樹(shù)包含特征層次和文件結(jié)構(gòu)層次，而這兩個(gè)層次則是將軟件系統(tǒng)的特征和文件結(jié)構(gòu)以總體到部分的形式展示出來(lái)，從而有助于開(kāi)發(fā)人員對(duì)系統(tǒng)語(yǔ)義特征的理解。通過(guò)對(duì)現(xiàn)實(shí)中的軟件系統(tǒng)進(jìn)行實(shí)驗(yàn)來(lái)驗(yàn)證我們方法的有效性，結(jié)果表明我們的方法所得的特征樹(shù)可以對(duì)特征和文件給出很好的展示，而且我們方法的聚類結(jié)果在查全率方面優(yōu)于層次聚類方法。
　　第三，特征及其聯(lián)系可以有效地幫助開(kāi)發(fā)人員得到一個(gè)軟件系統(tǒng)總體功能方面的特征

5、信息。為軟件系統(tǒng)建立一個(gè)基于特征的網(wǎng)絡(luò)結(jié)構(gòu)，可以幫助開(kāi)發(fā)人員更加簡(jiǎn)單和快速的理解軟件系統(tǒng)。我們通過(guò)使用相關(guān)主題模型，為軟件系統(tǒng)的所有類層次的代碼文件建立一個(gè)程序網(wǎng)絡(luò)，并可視化地展示整個(gè)軟件系統(tǒng)的相關(guān)結(jié)構(gòu)和功能，輔助開(kāi)發(fā)者理解整個(gè)程序代碼。該技術(shù)綜合考慮了軟件代碼中的結(jié)構(gòu)性信息和內(nèi)容性信息，所建立的程序網(wǎng)絡(luò)可以幫助開(kāi)發(fā)者更好地理解程序的語(yǔ)法依賴關(guān)系和語(yǔ)義功能相關(guān)關(guān)系。我們通過(guò)兩個(gè)實(shí)驗(yàn)驗(yàn)證了我們建立的程序網(wǎng)絡(luò)具有較好的準(zhǔn)確性以及可以為指定的