[发明专利]基于代码异味的软件重构预测方法

说明书

本发明公开了一种基于代码异味的软件重构预测方法。该方法基于LGBM和Logistic Regression来实现软件重构的预测，合理利用了存在于源代码文件中蕴含的结构性信息、代码异味的强度和历史性信息，凭借不同信息度量之间强大的互补性提高了预测的效果。此外，通过过采样技术SMOTE解决了样本比例不均衡的问题。通过本发明方法能够高效预测软件的重构时机，对于软件的可维护性和可拓展性的提升具有非常重要的意义。

技术领域

本发明涉及软件维护领域，具体涉及一种基于代码异味的软件重构预测方法。

背景技术

在软件维护和演化过程中，软件系统需要由开发人员不断地进行更改，以便实现新的需求，增强现有的特征，或者修复重要的错误。由于时间压力或其他相关信息，开发人员并不总是有时间或意愿来控制系统的复杂性，并在应用他们的修改之前找到好的设计解决方案。他们可能会单纯为实现功能而编写代码，而忽视程序的结构性和可读性。代码编写上变得越来越混乱，使得整个代码结构变得臃肿不堪，这时候往往会引入代码异味。

代码异味表明源代码中容易导致改变和出错的次优设计或实现选择，会造成代码质量下降，同时会对软件开发人员在理解和维护项目代码时造成困扰，是导致技术债务的一个重要因素，从而产生不必要的维护代价。

而在软件的开发和生命周期中，维护被认为是最艰巨和最昂贵的任务之一，尤其是软件系统中异味过重的话，往往会导致代价极大的重构工作。

近年来的研究显示，现有的软件系统中存在代码异味的现象十分常见，大量的异味实例往往在其所在的文件被创建时就被引入，并且其倾向于长时间存在于软件系统中并存活下来，这往往会给软件系统带来后续维护和拓展上的隐患。

因此，选择用一个合适的时间进行重构消除异味的工作是十分重要的，它会对软件的可维护性和可拓展性带来提升。

以往的研究往往注重于代码异味的检测或软件重构的优先级，很少有研究来进行代码重构时机的预测工作。

发明内容

本发明从代码重构预测的角度出发，利用代码文件的结构性信息(规模大小、复杂度、耦合度、内聚性等方面)、异味的强度和历史性信息(文件中异味的持续时间、更改次数等信息)，提供了一种基于机器学习集成技术的代码重构预测方法，可有效解决上述问题。本发明具体采用的技术方案如下：

一种基于代码异味的软件重构预测方法，具体包括以下步骤：