【技术实现步骤摘要】
本专利技术涉及程序理解领域，具体涉及一种软件系统核心类识别方法。
技术介绍
1、随着软件规模和复杂性的增长，软件维护代价越来越高，而代码理解作为维护过程的核心环节，对软件修改和更新有着重要影响。维护工程师通常需要投入其总工作量的30％～60％用于分析和理解软件系统的内在结构。尽管软件维护的重要性日益凸显，但面对大规模复杂软件系统，尤其是当维护人员对系统不熟悉时，软件分析和理解面临许多困难。实践表明，从核心类(也称关键类或重要类)开始理解和分析，有助于快速熟悉软件系统的核心功能，从而有利于控制和降低软件维护成本。在核心类识别方法中，基于软件依赖网络的pagerank算法已成为一种重要的解决方法。然而，现有的pagerank算法仅考虑为出邻居结点投票(前向推荐)，导致入邻居结点无法获得应有的投票(后向推荐)，从而难以识别充当控制管理角色的核心类，该核心类结点在软件依赖网络中通常仅具有较高出度。
技术实现思路
1、为了解决上述技术问题，本专利技术提出了一种软件系统核心类识别方法，包括以下步骤：
2、s1：提取待解析的项目源代码；
3、s2：将项目源代码中的每个源文件转化成相应的抽象语法树；
4、s3：从抽象语法树中提取每种依赖类型的依赖实例，得到depinstances，其中，depinstances为所有依赖实例的集合；每个依赖实例包括依赖源类、依赖目标类及其对应的依赖类型和依赖频次；其中，依赖类型包括：全局变量关系、实现关系、继承关系、局部变量关系
5、s4：遍历depinstances中的每个依赖实例，将依赖源类、依赖目标类相同的依赖实例中的依赖频次进行累加，得到对应的累加频次，进而组成有向带权依赖边，每个有向带权依赖边包括依赖源类、依赖目标类以及对应的累加频次；根据所有有向带权依赖边，生成类层次软件依赖网络g；
6、s5：利用启发式规则对g进行约简，得到约简后的类层次软件依赖网络g′；
7、s6：计算g′中每个类的重要性程度；
8、s7：根据用户需求，展示重要性程度最高的k个类作为系统核心类，其中k为自然数。
9、优选的，利用启发式规则对g进行约简的方法为：
10、s5.1：遍历g中的所有极大连通分量；如果一个极大连通分量的结点数小于g的结点总数的1％，则删除该极大连通分量，最终得到中间结果网络g*；
11、s5.2：遍历g*中的每个类结点，如果该类结点满足入度＝0且出度＝1，或者入度＝1且出度＝0，则将该类结点及其相连的边删除，最终得到g′。
12、优选的，计算类的重要性程度的方法包括hindex、coreness、pagerank、elementrank、pageranklike或pagerankfbr，其中pagerankfbr具体是指利用带有前向和后向推荐机制的pagerank方法。
13、优选的，pagerankfbr的具体实现方式为，使用类节点的pr值大小，评价对应类的重要性程度，pr值越大，则对应的类越重要；得到每个类节点pr值的步骤为：
14、s6.1：对于g′中的类节点v，初始时，所有类节点v的前向pr值与后向pr值为：
15、pr1(v)＝1/n
16、pr2(v)＝1/n
17、其中，pr1(v)表示类节点v的前向pr值；
18、pr2(v)表示类节点v的后向pr值；
19、n表示g′中的类节点总数；
20、s6.2：对g′中所有类节点v进行迭代计算，在每一轮迭代中，使用以下公式为每个类节点v更新前向pr值与后向pr值：
21、
22、其中，d为阻尼系数，f为后向推荐系数；
23、indegree(v)为类节点v的入度，outdegree(v)为类节点v的出度；
24、windegree(v)为类节点v的带权入度，woutdegree(v)为类节点v的带权出度；
25、indegreesum为所有类节点的入度和；outdegreesum为所有类节点的出度和；
26、windegreesum为所有类节点的带权入度和；woutdegreesum为所有类节点的带权出度和；
27、fwdcontribution(v)为类节点v的前向贡献值；bwdcontribution(v)为类节点v的后向贡献值；
28、in(v)为类节点v的入邻居结点集；on(v)为类节点v的出邻居结点集；
29、fwdcontribution(v)为类节点v的前向贡献值；bwdcontribution(v)为类节点v的后向贡献值；
30、w(x，y)表示有向边x→y的权重；
31、迭代至预设的收敛条件后，停止迭代，使用以下公式计算每个类节点v的pr值：
32、pr(v)＝(1-f)×pr1(v)+f×pr2(v)
33、其中，pr(v)表示类节点v的pr值。
34、优选的，预设的收敛条件为：迭代次数大于迭代次数阈值或者所有类节点v的迭代差异值之和小于差异值阈值；
35、类节点v的迭代差异值计算公式为：
36、change(v)＝(1-f)×|pr1(v)-backpr1(v)|+f×|pr2(v)-backpr2(v)|
37、其中，change(v)表示类节点v的迭代差异值；
38、backpr1(v)表示前一次迭代时的pr1(v)数值；
39、backpr2(v)表示前一次迭代时的pr2(v)数值。
40、有益效果：与现有技术相比，本专利技术具有如下优点：
41、(1)本技术提出了一种软件系统核心类识别方法，该方法通过综合前向和后向推荐机制，在不改变现有pagerank框架下，克服了现有pagerank推荐单一性问题，提高了系统核心类的识别性能。
42、(2)本专利技术提出的软件网络约简规则，即“基于极大连通子图约简”和“基于入度-出度约简”，规则简单，操作容易，具有较好的可解释性。
本文档来自技高网...【技术保护点】
1.一种软件系统核心类识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种软件系统核心类识别方法，其特征在于，利用启发式规则对G进行约简的方法为：
3.根据权利要求1所述的一种软件系统核心类识别方法，其特征在于，计算类的重要性程度的方法包括HIndex、Coreness、PageRank、ElementRank、PageRankLike或PageRankFBR，其中PageRankFBR具体是指利用带有前向和后向推荐机制的PageRank方法。
4.根据权利要求3所述的一种软件系统核心类识别方法，其特征在于，PageRankFBR的具体实现方式为，使用类节点的PR值大小，评价对应类的重要性程度，PR值越大，则对应的类越重要；得到每个类节点PR值的步骤为：
5.根据权利要求4所述的一种软件系统核心类识别方法，其特征在于，预设的收敛条件为：迭代次数大于迭代次数阈值或者所有类节点v的迭代差异值之和小于差异值阈值；
【技术特征摘要】
1.一种软件系统核心类识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种软件系统核心类识别方法，其特征在于，利用启发式规则对g进行约简的方法为：
3.根据权利要求1所述的一种软件系统核心类识别方法，其特征在于，计算类的重要性程度的方法包括hindex、coreness、pagerank、elementrank、pageranklike或pagerankfbr，其中pagerankfbr具体是指利用...
【专利技术属性】
技术研发人员：刘辉辉，闫瑞，刘晨雨，王蓁蓁，赵海峰，马乐军，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。