[发明专利]基于高斯过程回归的安卓App程序演化变更预测方法

说明书

本发明涉及软件工程技术与应用领域，为最终输出一个关于类变更大小的易变类排序列表，给予项目经理和开发人员能得到一个更细化的版本演化结果，节约测试时间和成本。本发明，基于高斯过程回归的安卓App程序演化变更预测方法，步骤如下：阶段一数据爬取；阶段二数据预处理；阶段三获取最佳预测窗口大小；阶段四构建高斯过程回归预测模型，最后通过预测模型输出下一版本类变更程度排序列表。本发明主要应用于软件工程技术场合。

技术领域

本发明涉及软件工程技术与应用领域，具体讲,涉及基于高斯过程回归的AndroidApp(安卓应用)程序演化变更预测方法。

背景技术

现实世界不断变化和发展，系统环境发生变化时，新的需求就会出现。为了适应变化环境的需要，软件系统需要持续地维护和演化。因此，软件演化就是一个程序不断调节以满足新的软件需求的过程。然而，一方面：软件维护成本通常超过软件生命周期总成本的50％，开源产品中的易变类花费了开发人员很多时间、精力，这样也增加了项目成本。另一方面：经过验证Pareto’s Law(帕雷托法则)在软件工程上也成立，大部分(80％)的软件变更来源于一小部分(约20％)的类，这一小部分的易变类很重要，是缺陷和变更的源泉。

我们需要识别易变类降低软件维护成本，目前，很多研究致力于帮助开发人员识别软件系统中的关键部分和低质量的部分，即：识别有变更倾向的类。通过开发预测模型确定软件的易变类是一个重要的研究领域，1)在早期，把下一版本将要变化的类作为软件测试的起点，优先并且深度测试，对这些易变类有效地重构和设计，从而降低软件故障。2)帮助开发人员和项目经理对有限的资源进行有效的分配，从而降低开发的时间、精力和成本。

发明人在实现本发明的过程中，发现现有技术至少存在以下缺点：

(1)建立在首尾版本和中间段版本之间的统计：他们大多是建立在演化的初始版本和最终版本之间，统计初始版本的metrics(衡量代码特征的指标组)，并且统计哪些class(java程序中的类)发生了变化；或者，使用整个演化过程中的几段演化过程，也只是统计了首尾两个版本。

(2)关于选择的Metrics：他们没有用metrics描述全部演化过程，选取的metrics是第一个版本中class的度量。有一位作者提出了基于演化的指标，虽然统计了全部演化过程，也只是计算了变更次数、第一次变更版本号、最后一次变更版本号，没有计算更加细化的演化过程，这种统计太过粗糙。

(3)分类算法：作者们使用了分类的思想，metric作为自变量，二进制变更/不变更作为因变量，构建变更倾向类的分类模型。只能够识别出该class在下一版本中是否易变，但是并不能给出变更程度，从而更好指导开发者预测版本演化结果。

针对以上的问题，本发明提出一种对Android App新发布版本的有变更倾向的类进行预测的方法。收集演化过程中完整的增量信息，基于高斯过程回归模型和预测窗口大小对下一版本中类的变更程度进行预测，降低软件维护的时间、精力和成本。

发明内容

为克服现有技术的不足，本发明旨在提出一种Android App易变类变更程度预测方法。在该框架下，用户提供一个需要预测的手机应用程序App，系统首先爬取App演化历史数据，每两个连续版本之间完整的元数据和源代码信息被转化为基于时间片的增量矩阵模型。伴随高斯过程回归预测模型和最佳预测窗口大小，最终输出一个关于类变更大小的易变类排序列表，给予项目经理和开发人员能得到一个更细化的版本演化结果，节约测试时间和成本。为此，本发明采用的技术方案是，基于高斯过程回归的安卓App程序演化变更预测方法，步骤如下：

阶段一数据爬取：通过开源软件版本控制系统应用程序编程接口GithubApi爬取演化历史数据，挖掘完整的演化历史信息，通过分析完整的演化历史得到演化规律；