基于深度学习的软件重构预测评估方法

作     者：张亦弛 张杨 李彦磊 郑琨 刘伟 

作者机构：河北科技大学信息科学与工程学院 

出 版 物：《河北科技大学学报》 (Journal of Hebei University of Science and Technology)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61440012) 河北省自然科学基金(F2023208001) 河北省引进留学人员资助项目(C20230358) 

主　　题：软件工程 深度学习 软件重构 重构预测 源代码度量 

摘      要：为了解决当前软件重构领域深度学习模型预测性能研究的不足，提出了一种基于深度学习的软件重构预测评估方法，以评估深度学习模型的重构预测性能。首先，采用静态分析工具从303个Java项目中收集重构和非重构标签实例，针对提取类、提取子类、提取超类、提取接口、移动类、重命名类、移动和重命名类7种重构操作构建了7个由源代码度量组成的数据集；其次，搭建卷积神经网络模型、长短期记忆网络模型、门控循环单元模型、多层感知机、自编码器在数据集上进行训练和测试；最后，根据每个模型的准确率、查准率、查全率和F1值对模型进行评估。结果表明，5种深度学习模型预测重构的准确率、查准率、查全率和F1值的平均值均在93%以上，预测提取子类的准确率最高，卷积神经网络模型预测重构的平均准确率高于其他模型。研究结果显示深度学习模型能够有效地预测重构，模型预测提取子类重构最准确，卷积神经网络模型是预测最准确的模型，为未来使用深度学习模型辅助建模重构推荐问题提供了参考依据。