检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

代码坏味对软件演化影响的实证研究

软件学报 2019年第5期30卷 1422-1437页

作者：章晓芳朱灿苏州大学计算机科学与技术学院江苏苏州215006

代码坏味是指程序设计中存在的不良设计模式或设计缺陷.坏味的存在,被认为会阻碍软件的演化与维护.近年来,研究人员致力于探究坏味产生的影响以及坏味与软件演化之间的关系.已有研究表明,代码坏味会随着软件的演化而不断发生变化.通常,... 详细信息

代码坏味是指程序设计中存在的不良设计模式或设计缺陷.坏味的存在,被认为会阻碍软件的演化与维护.近年来,研究人员致力于探究坏味产生的影响以及坏味与软件演化之间的关系.已有研究表明,代码坏味会随着软件的演化而不断发生变化.通常,软件的演化将涉及源文件的增加、修改与删除这3类具体操作,了解代码坏味与软件演化中源文件操作的关系,将有助于开发者更好地计划软件开发过程和重构软件代码.因此,针对13种常见的坏味,在8个Java项目共计104个版本中进行了系统的实证研究.研究发现,随着软件版本的演化,含代码坏味的文件在整个项目中的占比在不同的项目中呈现出不同的特征.另外,包含代码坏味的文件更倾向于被修改,而坏味本身与文件的添加或者删除并没有太大的关联.更进一步地,在探究的所有坏味中,有几种特定的坏味对文件的修改产生了显著的影响,且这些坏味文件间存在着明显的重叠.这些发现有助于开发人员更好地了解代码坏味,以便于更好地对软件进行维护.

关键词：软件维护反模式代码坏味实证研究软件演化

在线全文

学校读者我要写书评

暂无评论

代码坏味的处理顺序

软件学报 2012年第8期23卷 1965-1977页

作者：高原刘辉樊孝忠牛振东邵维忠北京理工大学计算机学院北京100081 第二炮兵装备研究院北京100085 高可信软件技术教育部重点实验室(北京大学) 北京100871 北京大学信息科学技术学院软件研究所北京100871

选取了10种具有代表性的代码坏味进行研究.从每种代码坏味的产生原因、症状、对软件的影响以及相应的处理这4个方面进行分析,提出了一个代码坏味处理顺序的优先级.通过问卷调查和两个实验,对代码坏味处理顺序优先级进行了初步验证.

关键词：代码坏味软件重构处理顺序软件维护优先级调度

在线全文

学校读者我要写书评

暂无评论

代码坏味研究综述

软件学报 2023年第1期34卷 150-170页

作者：田迎晨李柯君王太明焦青青李光杰张宇霞刘辉北京理工大学计算机学院北京100081 军事科学院国防科技创新研究院协同创新项目部北京100097

代码坏味(code smells)是低质量的急需重构的代码片段.代码坏味是软件工程领域的一个研究热点,并且相关研究方向众多、时间跨度大、研究成果丰富.为梳理相关研究思路和研究成果、分析研究热点并预判未来研究方向,对1990年至2020年6月间... 详细信息

代码坏味(code smells)是低质量的急需重构的代码片段.代码坏味是软件工程领域的一个研究热点,并且相关研究方向众多、时间跨度大、研究成果丰富.为梳理相关研究思路和研究成果、分析研究热点并预判未来研究方向,对1990年至2020年6月间发表的代码坏味相关的339篇论文进行了系统地分析和归类,对代码坏味的发展趋势进行了分析与统计,量化揭示了相关研究的主流与热点.揭示了学术界关注的关键代码坏味,并研究了工业界与学术界的关注点的差异及其影响.

关键词：代码坏味软件重构软件质量度量缺陷

基于预训练模型和多层次信息的代码坏味检测方法

在线全文

学校读者我要写书评

暂无评论

软件学报 2022年第5期33卷 1551-1568页

作者：张杨东春浩刘辉葛楚妍河北科技大学信息科学与工程学院河北石家庄050018 北京理工大学计算机学院北京100081

目前已有的代码坏味检测方法仅依赖于代码结构信息和启发式规则,对嵌入在不同层次代码中的语义信息关注不够,而且现有的代码坏味检测方法准确率还有进一步提升的空间.针对该问题,提出一种基于预训练模型和多层次信息的代码坏味检测方法D... 详细信息

目前已有的代码坏味检测方法仅依赖于代码结构信息和启发式规则,对嵌入在不同层次代码中的语义信息关注不够,而且现有的代码坏味检测方法准确率还有进一步提升的空间.针对该问题,提出一种基于预训练模型和多层次信息的代码坏味检测方法DeepSmell,首先采用静态分析工具提取程序中的代码坏味实例和多层次代码度量信息,并对代码坏味实例进行标记;然后通过抽象语法树解析并获取源代码中与代码坏味相关的层次信息,将其中的文本信息与度量信息相结合生成数据样本;最后使用BERT预训练模型将文本信息转化为词向量,应用GRU-LSTM模型获取层次信息之间潜在的语义关系,并结合CNN模型与注意力机制检测代码坏味.在实验中,选取JUnit、Xalan和SPECjbb2005等24个大型实际应用程序构建训练集和测试集,并对特征依恋、长方法、数据类和上帝类等4种代码坏味进行检测.实验结果表明,DeepSmell与目前已有的检测方法相比在平均查全率和F1值上分别提高了9.3%和10.44%,同时保持了较高的查准率,DeepSmell可以有效地实现代码坏味检测.

关键词：代码坏味深度学习预训练模型抽象语法树多层次信息

在线全文

学校读者我要写书评

暂无评论

基于BP神经网络的代码坏味检测

计算机工程 2020年第10期46卷 216-222,230页

作者：王曙燕张一权孙家泽西安邮电大学计算机学院西安710000

程序中若出现代码坏味将严重影响其质量且难以对软件维护提供保障。针对机器学习算法在代码坏味检测中准确度较低以及数据集仅存在单一类型代码坏味的问题,提出一种基于BP神经网络的代码坏味检测方法。考虑软件实际开发过程中会存在不... 详细信息

程序中若出现代码坏味将严重影响其质量且难以对软件维护提供保障。针对机器学习算法在代码坏味检测中准确度较低以及数据集仅存在单一类型代码坏味的问题,提出一种基于BP神经网络的代码坏味检测方法。考虑软件实际开发过程中会存在不同类型的坏味,对数据类、上帝类、长方法和特征依恋4种代码坏味进行研究并将其合并为方法级别和类级别的2种坏味数据集,根据数据集中的标签信息进行有监督深度学习,进而构建代码坏味的真假阳性检测模型。实验结果表明,相比基于机器学习和基于度量的代码坏味检测方法,该方法的平均准确度提高15.19%,平均F1值提高58.39%。

关键词：代码坏味软件维护 BP神经网络深度学习检测模型

在线全文

学校读者我要写书评

暂无评论

基于深度学习的耦合度相关代码坏味检测方法

计算机应用 2022年第6期42卷 1702-1707页

作者：苏珊张杨张冬雯河北科技大学信息科学与工程学院石家庄050018

基于启发式和机器学习的代码坏味检测方法已被证明具有一定的局限性,且现有的检测方法大多集中在较为常见的代码坏味上。针对这些问题,提出了一种深度学习方法来检测过紧的耦合、分散的耦合和散弹式修改这三种与耦合度相关检测较为少见... 详细信息

基于启发式和机器学习的代码坏味检测方法已被证明具有一定的局限性,且现有的检测方法大多集中在较为常见的代码坏味上。针对这些问题,提出了一种深度学习方法来检测过紧的耦合、分散的耦合和散弹式修改这三种与耦合度相关检测较为少见的代码坏味。首先,提取三种代码坏味需要的度量并对得到的数据进行处理;之后,构建卷积神经网络(CNN)与注意力(Attention)机制相结合的深度学习模型,引入的注意力机制可以对输入的度量特征进行权重的分配。从21个开源项目中提取数据集,在10个开源项目中对检测方法进行了验证,并与CNN模型进行对比。实验结果表明:过紧的耦合和分散的耦合在所提模型中取得了更好的结果,相应代码坏味的查准率分别达到了93.61%和99.76%;而散弹式修改在CNN模型中有更好的结果,相应代码坏味查准率达到了98.59%。

关键词：代码坏味耦合深度学习卷积神经网络注意力机制

在线全文

学校读者我要写书评

暂无评论

数据并行传输程序中代码坏味检测算法研究

计算机仿真 2021年第5期38卷 403-407页

作者：于萧榕黄健荣江苏科技大学计算机学院江苏镇江212003

程序中某些代码坏味会导致整个程序无法顺利运行,此时,需要清除引起程序错误的代码坏味,以保证程序的正常运行。为此提出了一种基于数据并行传输程序的代码异味检测算法。在并行数据传输程序的信道上建立两组独立的数据序列,通过抑制载... 详细信息

程序中某些代码坏味会导致整个程序无法顺利运行,此时,需要清除引起程序错误的代码坏味,以保证程序的正常运行。为此提出了一种基于数据并行传输程序的代码异味检测算法。在并行数据传输程序的信道上建立两组独立的数据序列,通过抑制载波幅度调制将它们调制成一对正交载波,由每个子信道中发送的单个脉冲响应决定信道失真情况;利用贝叶斯网络将最新的检测规则转化为概率模型,并从源代码中提取代码坏味度量,实现代码坏味检测。实验结果表明,所提方法的检测结果比Jaccard测距法更准确,保证了整个数据并行传输程序的稳定运行。

关键词：数据并行传输程序子信道代码坏味检测算法贝叶斯网络

在线全文

学校读者我要写书评

暂无评论

基于潜在语义分析的代码坏味检测

基于潜在语义分析的代码坏味检测

作者：马赛河北师范大学

学位级别：硕士

随着软件工程领域技术的不断发展,软件系统不仅功能越来越丰富,其内部结构也越来越复杂,开发者由于受到截止期限或市场竞争的压力,很容易违反一些设计原则从而导致面向对象的系统中的存在一些代码坏味。通过代码坏味,能够发现和定位软... 详细信息

随着软件工程领域技术的不断发展,软件系统不仅功能越来越丰富,其内部结构也越来越复杂,开发者由于受到截止期限或市场竞争的压力,很容易违反一些设计原则从而导致面向对象的系统中的存在一些代码坏味。通过代码坏味,能够发现和定位软件中存在的问题,明确应该在何处实施重构。因此,为了保证软件质量,代码坏味的检测具有很强的现实意义。传统的代码坏味检测大多依赖于代码间的结构信息,如方法的调用和属性的使用,而隐藏在源代码中的概念性关系被忽视掉了。本文提出一种新的代码坏味检测方法,以潜在语义分析技术为基础,将代码间的概念性信息引入到检测过程中,并着重研究了过大类和特征依恋两种代码坏味的识别问题。本文的主要工作有:1)在Martin Fowler提出22种代码坏味的基础上,对目前存在的不同代码坏味检测方法进行了探讨。并着重对过大类和特征依恋的内部特征进行了具体的分析。2)从潜在语义分析在文本处理领域的良好应用得到启发,提出了一种新的代码坏味检测方法,应用潜在语义分析技术将代码间的概念性信息引入结构性度量检测过程中。以潜在语义分析的理论为基础,提出源代码的概念性内聚和耦合的定义,并将其作为检测过程的一个指标。并通过二者的线性组合共同判定代码坏味。3)由于代码间的概念性信息隐藏在代码的标识符和注释中,因此,应用抽象语法树(AST)设计了词的抽取算法,将抽取到的标识符和注释作为语料用于算法的输入。4)在开放的代码坏味数据平台Landfill上,选取了两个项目作为实验语料,线性组合结构性度量与概念性度量的方法与单纯使用结构性度量及单纯使用概念性度量的方法进行对比。实验结果表明本文提出的方法较其他方法在准确率和召回率方面都有一定的提升,整体表现良好。

关键词：代码坏味潜在语义分析过大类特征依恋概念度量

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向代码坏味检测的阈值动态优化方法

面向代码坏味检测的阈值动态优化方法

作者：刘秋荣北京理工大学

学位级别：硕士

软件重构是通过调整软件内部结构来提高软件质量的一种技术。为了判定哪里需要重构,人们提出了代码坏味的概念用于表示设计不合理的代码。但代码坏味的手工检测比较困难也需要消耗大量宝贵的人力资源,因此人们提出了各种各样的代码坏味... 详细信息

软件重构是通过调整软件内部结构来提高软件质量的一种技术。为了判定哪里需要重构,人们提出了代码坏味的概念用于表示设计不合理的代码。但代码坏味的手工检测比较困难也需要消耗大量宝贵的人力资源,因此人们提出了各种各样的代码坏味检测方法与检测工具。考虑到软件重构的主观性,这些算法通常会给程序员预留一些阈值进行个性化的定制。一方面是因为代码坏味检测通常是很主观的并且与应用程序相关。比如,长方法的检测,代码坏味检测算法需要知道多长才是真正意义上的长。另一方面,程序员有自己不同的工作进度安排和软件质量需求,他们需要根据自己的实际情况来个性化的定制相关阈值。然而,大部分的程序员并不了解阈值设定和性能表现之间精确的数量关系,因此要他们手动地优化这些阈值非常困难。为此,本文提出了一种面向代码坏味检测的阈值动态优化方法。该方法根据程序员的反馈自动优化坏味检测中的阈值设置。具体优化过程包括如下几个步骤。首先,程序员根据自己的工作进度安排和代码质量需求设置一个目标查准率。然后,根据程序员的反馈,阈值优化算法在保证查准率不小于目标查准率的情况下,自动的搜索最优的阈值设定使得查全率最大化。在5个不同类型的开源项目上对4种常见的代码坏味进行了实验验证,结果表明,该方法比现有方法更为有效,实际查准率与目标查准率之间的平均差距降低了80%;并且初始阈值的选择对方法几乎没有影响。因此该方法是十分有效的。

关键词：软件重构代码坏味反馈控制坏味检测