基於多源軟體數據挖掘的修改分析與預測關鍵技術研究

《基於多源軟體數據挖掘的修改分析與預測關鍵技術研究》是依託揚州大學，由孫小兵擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於多源軟體數據挖掘的修改分析與預測關鍵技術研究
• 項目類別：青年科學基金項目
• 項目負責人：孫小兵
• 依託單位：揚州大學

項目摘要

軟體修改分析與預測是整個軟體維護過程的開始，其有效性制約著其它各種軟體維護活動的成功與否。要進行有效的修改分析與預測，所需的軟體數據和使用的分析技術成為制約該領域發展的瓶頸。本項目基於數據挖掘技術對修改請求、軟體演化歷史庫、當前軟體等數據源進行挖掘，將各種非結構化的軟體數據轉化為結構化的知識模型，然後基於這些知識模型開展修改分析與預測的關鍵技術研究。具體研究內容包括三方面：①解析自然語言層次的修改請求為半形式化的修改請求表達，輔助修改的理解；②分析各種軟體數據源中軟體元素各類型的依賴關係，輔助當前軟體的理解和修改的分析；③預測修改在軟體中的實施點及其對軟體各層次各元素的影響，輔助修改的實施。本項目旨在準確地對修改請求進行解析，挖掘充分、必要、完整的軟體數據中的語法、語義特徵及關係，對修改進行準確的分析與預測，提供實用的修改實施建議，為改進軟體維護的效率和質量建立有效的技術基礎和實踐基礎。

結題摘要

軟體修改分析與預測是整個軟體維護過程的開始，其有效性制約著其它各種軟體維護活動的成功與否。本項目利用形式概念分析技術、主題模型技術、自然語言處理技術等進行軟體修改分析與預測相關的軟體數據挖掘技術的研究，並全面地對軟體修改請求、軟體演化歷史庫、當前軟體等軟體數據進行預處理和分析，有效地針對軟體修改進行分析、推薦和回歸測試。主要研究內容包括：利用主題模型技術對軟體代碼、軟體文本等數據進行預處理和主題生成，從語義的角度對這些軟體數據進行處理；利用自然語言處理技術對軟體修改請求、軟體文本等文本數據進行預處理，去除這些數據中的噪聲，提高分析準確率；利用形式概念分析技術針對測試用例和代碼進行分析，生成測試覆蓋信息的更簡約的概念格，提高分析效果和抽象層次；結合多源軟體數據進行軟體修改請求的特徵定位技術研究；利用形式概念分析技術對軟體調試和測試技術進行研究；利用主題模型技術對軟體修改過程中涉及的開發者和開發建議推薦技術進行研究。基於以上修改分析和預測的結果，可為整個軟體維護提供實用的修改實施建議，為改進軟體維護的效率和質量建立了有效的技術基礎和實踐基礎。