程序代码词库构建与概要生成技术研究及系统实现

摘要

随着计算机应用的快速普及和信息化技术的不断推进，软件产品需求不断增加和变化，软件规模和复杂程度越来越大，软件的维护成本也不断提高。已有数据表明软件维护过程中，程序理解最为耗时，大约占到整个研发周期百分之六十的时间。传统的方式是利用信息检索技术来分析程序代码中的语义信息，然后进行话题提取操作，帮助开发人员理解程序。然而情况是多个独立的单词才能组成表达的话题，开发人员理解起来仍然会感到困惑，在揣测这些单词在代码理解中含义的时候会浪费大量的时间和精力。
　　本文从程序代码词库构建和概要生成技术两个方面进行研究，针对当前程序理解技术所存在的缺陷和不足，研究和开发更加高效的程序理解技术与工具，主要工作集中在以下的几个方面:
　　(1)本文实现了面对具体项目的程序代码词库自动构建。给出了针对历史代码库进行词库建立的原型工具:WB4HPR。WB4HPR可自动化地提取源代码中元素并进行处理，将处理后的数据持久化存储。此外，WB4HPR为开发人员提供了个性化检索界面，方便他们检索出想要了解的词语、词语之间的关系以及它们在历史库中的演化情况。实验验证和系统实现体现了工具的有效性。
　　(2)本文实现了基于自然语言处理的程序概要生成。以软件程序中的自然语义信息为分析材料，利用信息索引中的潜在语义分析技术和数据挖掘中的聚类算法，从软件程序中挖掘出有助于程序理解的概要化信息。并通过对提取的话题进行语义修复，帮助开发维护人员更好地理解程序。
　　(3)本文实现了面向代码修改的程序概要生成。能够自动生成和代码修改相关的提交信息，包括经常被软件开发者忽略的修改原因以及和代码修改相关的描述信息。基于实验对比结果，本方法具有更好的适用性。

目录

摘要

第一章 绪论

1．1 研究背景

1．2 研究现状

1．2．1 程序理解研究进展

1．2．2 程序代码词库研究进展

1．2．3 程序概要化研究进展

1．3 本文的工作和主要内容

1．3．1 程序代码词库构建

1．3．2 程序概要生成

1．4 论文组织结构

1．5 本章小结

第二章 面向具体项目的程序代码词库构建系统

2．1 引言

2．2 技术基础

2．2．1 软件历史代码库

2．2．2 WordNet

2．2．3 关系的定义

2．2．4 词语的演化

2．3 系统框架与工作流程

2．4 系统设计

2．4．1 总体设计

2．4．2 类与方法设计

2．5 实验研究

2．5．1 实验对象介绍

2．5．2 实验研究问题

2．5．3 实验过程与结果

2．5．4 实验结果的评价

2．6 系统实现

2．6．1 开发环境

2．6．2 词语检索

2．6．3 词与词之间关系的可视化

2．6．4 源代码查看

2．6．5 词语的版本演化过程

2．7 本章小结

第三章 基于自然语言处理的程序概要生成系统

3．1 引言

3．2 技术基础

3．2．1 潜在语义分析

3．2．2 聚类算法

3．2．3 TF*IDF加权算法

3．3 系统框架与工作流程

3．4 系统设计

3．4．1 总体设计

3．4．2 功能模块设计

3．5 实验研究

3．5．1 实验对象介绍

3．5．2 实验研究问题

3．5．3 实验过程与结果

3．5．4 实验结果的评价

3．6 本章小结

4．1 引言

4．2 系统框架与工作流程

4．3 系统设计

4．3．1 提取代码差异信息

4．3．2 提取what信息

4．3．3 提取why信息

4．3．4 提交信息的生成流程

4．3．5 过滤代码描述

4．4 实验研究

4．4．1 实验对象介绍

4．4．2 实验研究问题

4．4．3 实验过程与结果

4．4．4 实验结果的评价

4．5 系统实现

4．5．1 系统运行

4．5．2 选择文件

4．5．3 代码对比分析

4．5．4 生成描述信息

4．6 本章小结

第五章 总结和展望

5．1 本文工作总结

5．2 进一步的工作

参考文献

致谢

攻读学位期间发表的学术论文与参加的研究工作

声明