[发明专利]基于K-Truss的复杂软件关键模块识别方法

说明书

本发明属于软件模块识别技术领域，公开了一种基于K‑Truss的复杂软件关键模块识别方法，包括：步骤1：对原始软件预处理并转换为格式化软件模块网络：分析原始软件中各个模块之间的依赖关系，将其转换为算法可识别的软件模块网络；步骤2：使用K‑Truss算法对软件模块网络进行结构分析并挖掘关键节点：将软件模块网络输入到K‑Truss算法中，获取关键节点的相关信息；步骤3：关键类识别输出：根据设定阈值将K‑Truss子图中的节点进行提取并输出。本发明采用K‑Truss算法对结构化模块网络中的模块节点进行重要性分析并探测其中的关键模块，再提供给开发者，从而提高开发者理解软件的效率，最终提高软件维护的质量。

技术领域

本发明属于软件模块识别技术领域，尤其涉及一种基于K-Truss的复杂软件关键模块识别方法。

背景技术

现代软件的开发与维护往往遵循着规范的软件开发周期来执行。常见的软件开发周期分为五个阶段，分别是：可行性研究阶段、需求分析阶段、软件设计阶段、软件测试阶段和软件维护阶段。其中，软件维护阶段是整个软件开发周期中持续时间最长的一个阶段，软件维护的过程决定了用户使用体验的好坏与软件能否持久稳定运行。作为软件维护的主要人员，开发者需要在理解软件的基础上对软件运行过程中出现的问题或即将出现的问题进行定位和排查。然而由于软件开发过程中需求、人员和资源等因素变化的不确定性，导致开发者在面对陌生软件维护工作时会遇到较大阻力。

P.Meyer、H.Siy和S.Bhowmick提出一个使用K-Core算法探测网络关键模块的方法。该方法首先根据软件静态依赖关系对软件经行建模，从而形成一个软件模块网络。网络中的每个节点代表软件中的一个功能模块，而连接两个节点的边则用以表示两个类之间的依赖关系。K-Core算法是一种子图挖掘算法，其对子图的结构做出了一定限制，即子图的每个节点至少与该子图中的其他K个节点有关联。在此限制下，K-Core算法能够在软件网络中挖掘符合指定核心度的紧密子图结构。其中K的值存在上限KMax，K-Core算法在挖掘KMax-Core的过程中能对软件模块网络中的每个节点的核心度进行计算并排序。最后该方法将核心度排名前3％的节点及其对应边作为关键模块网络进行输出。该方法的缺点是其使用的K-Core算法对图结构的紧密程度要求不高，会导致最终得到的子图结构中存在较多次要节点信息，最终影响挖掘效率。

Sehgal和Kaur等人提出PageRank算法用来对网络关键模块进行探测。该方法基于的假设为，一个节点的核心度可随其相连节点进行一定程度的传播。在算法的初始阶段，其通过各个节点之间的关系对网络进行构建，并为每个节点设置一个PR(PageRank)值，表示其被访问的概率。而后该算法对PR值进行多轮迭代直至趋于稳定，从而获得每个节点的重要性排名。该方法不足在于其随机跳转的机制不符合现实情况，且迭代过程中的参数需要进行大量的实验计算，并不具有高效性。

发明内容

本发明目的在于提供一种基于K-Truss的复杂软件关键模块识别方法,以解决上述的技术问题。

为解决上述技术问题，本发明的基于K-Truss的复杂软件关键模块识别方法的具体技术方案如下：

一种基于K-Truss的复杂软件关键模块识别方法，包括如下步骤：

步骤1：对原始软件预处理并转换为格式化软件模块网络：分析原始软件中各个模块之间的依赖关系，将其转换为算法可识别的软件模块网络；

步骤2：使用K-Truss算法对软件模块网络进行结构分析并挖掘关键节点：将软件模块网络输入到K-Truss算法中，获取关键节点的相关信息；

步骤3：关键类识别输出：根据设定阈值将K-Truss子图中的节点进行提取并输出。

进一步地，所述步骤1包括如下具体步骤：