一種基于lda模型的多粒度層次軟件聚類方法
【專利摘要】本發(fā)明公開了軟件工程【技術(shù)領(lǐng)域】內(nèi)的一種基于LDA模型的多粒度層次軟件聚類方法，旨在解決現(xiàn)有技術(shù)中軟件聚類技術(shù)忽略了軟件功能特征導(dǎo)致開發(fā)人員不能根據(jù)聚類結(jié)果快速理解軟件系統(tǒng)的技術(shù)問題。本發(fā)明通過LDA模型在類和方法兩個(gè)不同層次提取主題，實(shí)現(xiàn)了粗粒度層次到細(xì)粒度層次的聚類，為開發(fā)人員建立一個(gè)更加易于理解的系統(tǒng)結(jié)構(gòu)，使得聚類的結(jié)果更加有效、更加實(shí)用化；通過本發(fā)明提供的方法開發(fā)人員可清楚的了解軟件程序的功能點(diǎn)，快速找到所需的功能源代碼。本方法應(yīng)用于輔助軟件維護(hù)與演化過程中的程序理解，可為開發(fā)人員提供一個(gè)從系統(tǒng)到方法的逐步理解的過程，具有聚類性能好、實(shí)用性強(qiáng)、工作效率高的特點(diǎn)。
【專利說明】一種基于LDA模型的多粒度層次軟件聚類方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種聚類方法，特別涉及一種基于LDA模型的多粒度層次軟件聚類方法，屬于軟件工程【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]為滿足用戶不斷更改地需求，軟件產(chǎn)品一般都需要不斷地升級(jí)和維護(hù)。為了實(shí)現(xiàn)用戶維護(hù)請(qǐng)求，開發(fā)人員首先需要理解整個(gè)軟件系統(tǒng)，特別是對(duì)程序的理解。但是隨著軟件系統(tǒng)的不斷發(fā)展，整個(gè)軟件系統(tǒng)的規(guī)模也越來越大，復(fù)雜程度也必然越來越高，通常情況下，程序理解將占到軟件維護(hù)過程60%的時(shí)間。為輔助這項(xiàng)工作，開發(fā)人員提出了軟件聚類技術(shù)，其目的是通過從源代碼中提取出軟件中更小、更集中和更易于理解的子系統(tǒng)和它們之間的關(guān)系，以提聞人們理解、分析和改造遺留系統(tǒng)的效率。
[0003]現(xiàn)有技術(shù)中，大部分軟件聚類技術(shù)都使用程序元素之間的靜態(tài)結(jié)構(gòu)依賴關(guān)系來進(jìn)行的；也有人提出了基于理解的聚類方法，即將匹配相同的模式的代碼分為一類而且將結(jié)果進(jìn)行有效的命名。但這兩種方法均忽視了系統(tǒng)的功能特征。而程序理解的目標(biāo)是理解系統(tǒng)的功能點(diǎn)及各功能點(diǎn)是如何通過不同的源代碼得以實(shí)現(xiàn)的，因此上述兩種方法均不能幫助開發(fā)人員快速、高效地理解程序。
[0004]在軟件系統(tǒng)中，升級(jí)和維護(hù)的修改請(qǐng)求通常也被稱為特征或主題，一個(gè)特征或主題可代表一種功能，這種功能是按照開發(fā)者和使用者的要求和可接受度來定義的。如果在軟件聚類的初始過程中就能提供特征或者主題，則能有效地幫助開發(fā)人員得到一個(gè)總體的信息。
[0005]LDA (隱含狄利克雷分布)模型是當(dāng)前最具代表性，也是最流行的一種概率主體模型，在文本挖掘、知識(shí)發(fā)現(xiàn)、話題跟蹤以及多文檔摘要等領(lǐng)域得到了廣泛的良好應(yīng)用，LDA是一種非監(jiān)督機(jī)器學(xué)習(xí)技術(shù)，可以用來識(shí)別大規(guī)模文檔及或語料庫中潛藏的主題信息，具有較高的靈活性和自動(dòng)化處理能力。LDA模型可以從一個(gè)數(shù)據(jù)集合中挖掘指定個(gè)數(shù)的潛在主題模型，有效的挖掘語義信息之間隱含的內(nèi)在聯(lián)系，通過這些主題模型表示一個(gè)文本，從而達(dá)到特征降維的目的。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的是提供一種基于LDA模型的多粒度層次軟件聚類方法，旨在解決現(xiàn)有技術(shù)中軟件聚類技術(shù)忽略了軟件功能特征導(dǎo)致開發(fā)人員不能根據(jù)聚類結(jié)果快速理解軟件系統(tǒng)的技術(shù)問題。
[0007]本發(fā)明的目的是這樣實(shí)現(xiàn)的:一種基于LDA模型的多粒度層次軟件聚類方法，包括以下步驟:
(1)從待聚類的軟件系統(tǒng)中選取類名、方法名以及注釋作為篩選對(duì)象，對(duì)所述軟件系統(tǒng)進(jìn)行篩選，運(yùn)用LDA模型從已經(jīng)過篩選的軟件系統(tǒng)中提取k個(gè)系統(tǒng)主題，k為自定義值；
(2)計(jì)算各所述系統(tǒng)主題的主題詞數(shù)目與所述軟件系統(tǒng)文檔總詞數(shù)的比例，若所述比例等于1，則將對(duì)應(yīng)主題詞所在的類分配到和相應(yīng)系統(tǒng)主題匹配的類層次的初始聚類；若所述比例小于1，則按從大到小排列各比例，選取比例排在的前則立的主題詞所在的類，將所述類分配到和相應(yīng)系統(tǒng)主題匹配的類層次的初始聚類，其中，M為自定義值；
(3)逐一分析所述軟件系統(tǒng)中未分配的類與已分配的類之間的關(guān)系，若未分配的類與已分配的類存在依賴關(guān)系，則將未分配的類分配到所述已分配的類所在的初始聚類中，直至所有未分配的類全部被分配于相應(yīng)的初始聚類中，得到所述軟件系統(tǒng)在類層次的基于系統(tǒng)主題的聚類結(jié)果；
(4)根據(jù)步驟(3)的聚類結(jié)果，運(yùn)用LDA模型從類中提取j個(gè)類主題，j為自定義值；
(5)計(jì)算各所述類主題的主題詞數(shù)目與所述類的文檔總詞數(shù)的比例，若所述比例等于1，則將對(duì)應(yīng)主題詞所在的方法分配到和相應(yīng)類主題匹配的方法層次的初始聚類；若所述比例小于1，則按從大到小排列各比例，選取比例排在前N位的主題詞所在的方法，將所述方法分配到和相應(yīng)類主題匹配的方法層次的初始聚類，其中，N為自定義值；
(6)逐一分析所述類中未分配的方法與已分配的方法之間的關(guān)系，若未分配的方法與已分配的方法存在依賴關(guān)系，則將未分配的方法分配到所述已分配的方法所在的初始聚類中，直至所有未分配的方法全部被分配于相應(yīng)的初始聚類中，得到所述類在方法層次的基于類主題的聚類結(jié)果。
[0008]本發(fā)明的有益效果是:通過LDA模型在類和方法兩個(gè)不同層次提取主題，實(shí)現(xiàn)了粗粒度層次到細(xì)粒度層次的聚類，為開發(fā)人員建立一個(gè)更加易于理解的系統(tǒng)結(jié)構(gòu)，使得聚類的結(jié)果更加有效、更加 實(shí)用化；由于類層次和方法層次的聚類結(jié)果均可提供軟件系統(tǒng)的功能特征，因此開發(fā)人員可依據(jù)聚類結(jié)果清楚地了解軟件程序的功能點(diǎn)，并依據(jù)方法層次的聚類結(jié)果快速找到所需的功能源代碼；本發(fā)明實(shí)現(xiàn)了一種自頂向下逐步求精的軟件聚類過程，更符合開發(fā)人員的實(shí)際軟件理解過程，有助于開發(fā)人員對(duì)整個(gè)軟件系統(tǒng)簡單、逐步和快速的理解。本方法應(yīng)用于輔助軟件維護(hù)與演化過程中的程序理解，可為開發(fā)人員提供一個(gè)從系統(tǒng)到方法的逐步理解的過程，具有聚類性能好、實(shí)用性強(qiáng)、工作效率高的特點(diǎn)。
【專利附圖】

【附圖說明】
[0009]圖1為本發(fā)明中類層次的初始聚類流程圖。
[0010]圖2為本發(fā)明中方法層次的初始聚類流程圖。
[0011]圖3為按照主題理解的軟件系統(tǒng)結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0012]如圖1所示，為為本發(fā)明中類層次的初始聚類流程圖，包括以下步驟:
(I)從待聚類的軟件系統(tǒng)中選取類名、方法名以及注釋作為篩選對(duì)象，對(duì)軟件系統(tǒng)進(jìn)行篩選，運(yùn)用LDA模型從已經(jīng)過篩選的軟件系統(tǒng)中提取k個(gè)系統(tǒng)主題，k為自定義值，需要提前設(shè)定。作為本發(fā)明的實(shí)施例，設(shè)提取的系統(tǒng)主題為tl、t2、t3……tk，tx對(duì)應(yīng)的主題詞為
tx0、txl、tx2......,主題詞txy所在的類為cxy,其中,變量X滿足:1 < x < k,變量y滿足:
O≤y。
[0013](2)計(jì)算各系統(tǒng)主題的主題詞數(shù)目與軟件系統(tǒng)文檔總詞數(shù)的比例，設(shè)為P，P值可由LDA模型計(jì)算給出。若P=I，則將主題詞所在的類分配到和相應(yīng)系統(tǒng)主題匹配的類層次的初始聚類；gp < 1，則按從大到小排列各比例，選取比例排在的前M位的主題詞所在的類，并將該類分配到和相應(yīng)系統(tǒng)主題匹配的類層次的初始聚類，其中，M為自定義值。如表1所示，系統(tǒng)主題tl的主題詞tlO的P值為1，可將tlO所在的類ClO直接分配到tl匹配的類層次的初始聚類中；若設(shè)M=2，tl中P值排在前2位的主題詞為til、tl2，所以類cll、cl2也分配到tl匹配的類層次的初始聚類中。
【權(quán)利要求】
1.一種基于LDA模型的多粒度層次軟件聚類方法，其特征在于，包括以下步驟: (1)從待聚類的軟件系統(tǒng)中選取類名、方法名以及注釋作為篩選對(duì)象，對(duì)所述軟件系統(tǒng)進(jìn)行篩選，運(yùn)用LDA模型從已經(jīng)過篩選的軟件系統(tǒng)中提取k個(gè)系統(tǒng)主題，k為自定義值； (2)計(jì)算各所述系統(tǒng)主題的主題詞數(shù)目與所述軟件系統(tǒng)文檔總詞數(shù)的比例，若所述比例等于1，則將對(duì)應(yīng)主題詞所在的類分配到和相應(yīng)系統(tǒng)主題匹配的類層次的初始聚類；若所述比例小于1，則按從大到小排列各比例，選取比例排在的前M位的主題詞所在的類，將所述類分配到和相應(yīng)系統(tǒng)主題匹配的類層次的初始聚類，其中，M為自定義值； (3)逐一分析所述軟件系統(tǒng)中未分配的類與已分配的類之間的關(guān)系，若未分配的類與已分配的類存在依賴關(guān)系，則將未分配的類分配到所述已分配的類所在的初始聚類中，直至所有未分配的類全部被分配于相應(yīng)的初始聚類中，得到所述軟件系統(tǒng)在類層次的基于系統(tǒng)主題的聚類結(jié)果； (4)根據(jù)步驟(3)的聚類結(jié)果，運(yùn)用LDA模型從類中提取j個(gè)類主題，j為自定義值； (5)計(jì)算各所述類主題的主題詞數(shù)目與所述類的文檔總詞數(shù)的比例，若所述比例等于1，則將對(duì)應(yīng)主題詞所在的方法分配到和相應(yīng)類主題匹配的方法層次的初始聚類；若所述比例小于1，則按從大到小排列各比例，選取比例排在前N位的主題詞所在的方法，將所述方法分配到和相應(yīng)類主題匹配的方法層次的初始聚類，其中，N為自定義值； (6)逐一分析所述類中未分配的方法與已分配的方法之間的關(guān)系，若未分配的方法與已分配的方法存在依賴關(guān)系，則將未分配的方法分配到所述已分配的方法所在的初始聚類中，直至所有未分配的方法全部被分配于相應(yīng)的初始聚類中，得到所述類在方法層次的基于類主題的聚類結(jié)果。
【文檔編號(hào)】G06F9/44GK103729197SQ201410028677
【公開日】2014年4月16日 申請(qǐng)日期:2014年1月22日 優(yōu)先權(quán)日:2014年1月22日
【發(fā)明者】孫小兵, 劉湘月, 李斌, 楊智松 申請(qǐng)人:揚(yáng)州大學(xué)