[发明专利]一种基于句法的跟踪关系恢复方法

摘要

一种基于句法的跟踪关系恢复方法，包括如下步骤句子切分，词性标注，块分析，降噪，聚类，聚类簇映射。本发明利用句法分析技术从制品中抽取出最可能刻画自身特征的标引词，再通过语义聚类恢复不同软件制品之间的跟踪关系，解决了传统的需求跟踪维护方法容易受制品中噪音的影响、代价高和可扩展性差等问题。

主权项

一种基于句法的跟踪关系恢复方法，其特征在于：包括如下步骤：第一步骤：句子切分：首先将制品中所有的文本切分为句子块，根据跟踪关系的粒度对源代码进行文档化的预处理，将其分割为基本的文档单位后再与其他文档进行后续的分析操作；若关注的是制品与方法的跟踪关系，则将源代码分割为方法的组合，再将方法所拥有的注释作为独立句子附加到各个方法的结尾，并丢弃成员变量以及所有不属于任何方法的注释；若关注的是制品与类的跟踪关系，则将源代码分割为类的组合，并将类所拥有的注释附加到各个类的结尾；第二步骤：词性标注：得到切分后句子之后，通过词性标注来识别出句子中各个标引词的词性，在词性标注过程中，只为句子中的每个标引词附加上词性信息，而不会对句子本身作任何的修改；第三步骤：块分析：对句子进行块分析，利用句子的上下文来修正词性标注过程中引入的错误；通过块分析，将句子分割为互不交叉的多个词组；对标引词自身的词性与其所属词组块的词性进行交集运算，仅保留两种词性都为动词或名词的标引词作为之后运算的输入；第四步骤：降噪：首先从标引词中去除常见的停用词，对于来自源代码的标引词，还会去除源代码所用编程语言的保留字，再对余下的标引词进行切词和词干化；第五步骤：聚类得到制品中的标引词集合之后，通过对标引词进行语义聚类，并根据聚类结果将制品进行分组，与某个制品存在跟踪关系的其它制品数量在100以下；采用Carrot2，一个开源的查询结果聚类引擎，所提供的Lingo算法来执行语义聚类；第六步骤：聚类簇映射当参与分析的制品类型只有两种时，通过聚类结果便可为那些在同一聚类簇且属于不同类型的制品建立跟踪关系；当参与分析的制品类型多于两种时，通过映射算法为在同一聚类簇且属于不同类型的制品建立跟踪关系。