节点文献

基于关键类判定的代码提交理解辅助方法

免费订阅

【作者】 黄袁刘志勇陈湘萍熊英飞罗笑南

【Author】 HUANG Yuan;LIU Zhi-Yong;CHEN Xiang-Ping;XIONG Ying-Fei;LUO Xiao-Nan;School of Data and Computer Science, Sun Yat-Sen University;National Engineering Research Center of Digital Life;Institute of Advanced Technology, Sun Yat-Sen University;Software Engineering Institute, School of Electronics Engineering and Computer Science, Peking University;Key Laboratory of High Confidence Software Technologies of Ministry of Education(Peking University);

【机构】 中山大学数据科学与计算机学院国家数字家庭工程技术研究中心中山大学先进技术研究院北京大学信息科学技术学院软件研究所高可信软件技术教育部重点实验室(北京大学)

【摘要】 软件代码提交是最重要的软件版本演化数据之一,被广泛应用于软件审查和软件理解中.对于程序员,提交的理解难度随着受影响的类数量、修改的代码量的增加而增加.通过对大量数据的分析发现:识别出提交中核心的修改类(关键类)以及为了完成这个核心修改所进行的依赖性改动的类(非关键类),能够辅助代码提交的理解.受机器学习技术在分类领域有效性的启发,提出一种基于机器学习的关键类识别方法,将判定提交中的关键类建模为二分类问题(即关键和非关键类),从软件演化过程中产生的海量提交数据中抽取可判别性特征来度量类的关键性.在多个数据集上的实验结果表明:该方法判定关键类的综合准确率达到了87%;相比于开发人员直接理解提交,使用关键类信息提示来辅助理解提交,能够显著提高开发人员的效率和正确率.

【基金】 NSFC-广东联合基金(U1201252);国家重点研发计划(2016YFB1000101);国家自然科学基金(61672545,61672045);广东科技计划(2015B040403005)~~
【所属期刊栏目】 大数据时代软件工程专题 (2017年06期)
  • 【DOI】10.13328/j.cnki.jos.005225
  • 【分类号】TP181;TP311.5
  • 【被引频次】1
  • 【下载频次】122
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: