面向功能挖掘的代碼主題建模技術研究

《面向功能挖掘的代碼主題建模技術研究》是依託北京大學，由趙俊峰擔任負責人的面上項目。

基本介紹

• 中文名：面向功能挖掘的代碼主題建模技術研究
• 項目負責人：趙俊峰
• 項目類別：面上項目
• 依託單位：北京大學

項目摘要

代碼復用中，開發人員需要理解軟體的功能及其代碼實現。近年來，基於主題建模技術的代碼理解方法成為研究熱點之一。現有工作大多將代碼作為普通文本，直接利用針對普通文本的主題建模技術，缺少對代碼特點的考慮；並且挖掘出的主題語義不明確，多種類型主題混雜在一起，開發人員難以理解與套用。 本項目以功能性主題為核心，研究面向功能挖掘的代碼主題建模技術。首先，在針對普通文本的主題建模技術基礎上，結合軟體代碼靜態結構與動態行為特點進行改進，提出適合代碼的主題建模技術，並研究區分不同類型主題及識別功能性主題的技術；進而，構建主題及其關聯實體描述模型，在此基礎上研究描述功能性主題語義的技術，並建立主題-主題之間、主題-關聯實體之間關聯關係。最後，研究基於主題的代碼理解、軟體分類、領域分析等套用技術，並研製相應的原型系統，利用開源軟體數據和企業實踐進行技術驗證。

結題摘要

代碼復用中，開發人員需要理解軟體的功能及其代碼實現。基於主題建模技術的代碼理解方法已成為近年來研究熱點之一。現有工作大多將代碼作為普通文本，直接利用針對普通文本的主題建模技術，缺少對代碼特點的考慮；並且挖掘出的主題語義不明確，多種類型主題混雜在一起，開發人員難以理解與套用。本項目針對上述問題，以功能性主題為核心，研究了面向功能挖掘的代碼主題建模技術。 本項目從網際網路上收集了不同類別、不同規模的開源軟體項目資源，針對這些資源進行了主題建模技術方面的研究。首先，針對所收集的軟工數據高維稀疏的特徵，以及其結構化、半結構化的特徵，重點開展了主題建模技術的改進方法研究，以及基於改進張量分解技術的稀疏數據處理方法。在針對普通文本的主題建模技術基礎上，結合軟體代碼靜態結構與動態行為特點進行了改進，對現有的主題建模技術進行了改進與擴展，使其可以處理多關聯關係以及屬性值情況的軟工數據。 進而，研究了主題建模技術的計算機制、參數設定、主題詞權重判定、主題描述自動生成等工作，並結合軟體知識圖譜構造技術，研究了主題-主題之間、主題-關聯實體之間關聯關係的構建技術，構建了主題及其關聯實體描述模型，在此基礎上研究了描述功能性主題語義的技術，研究了基於主題建模技術的代碼主題摘要自動生成方法。將所提煉的功能性主題作為知識圖譜中的成分加入其中，構建了一個具有可擴展性的、更適合代碼特點的主題及其關聯實體描述模型，基於此模型，研究了智慧型檢索與問答技術。 最後，基於上述研究，設計並實現了一個基於擴展主題模型的多源數據分析平台，通過所採集的開源項目數據驗證了方法的有效性，並將研究成果套用到神州數碼等軟體企業中，驗證了原型工具的實際套用效果。 本項目共發表論文10篇，發布專利2項申請專利1項，獲得軟體著作權2項，培養1名博士生、4名碩士生，5名本科生。