[发明专利]一种基于数据挖掘的源代码注释自动生成方法

摘要

本发明涉及一种基于数据挖掘的源代码注释自动生成方法。该方法首先从三种数据源中提取包含所需注释的文本；然后结合数据源各自的特性形成三种过滤规则剔除无关的噪声信息，并利用文本处理技术进行字符格式等预处理；最后概括形成描述函数注释关键特性的两种提取规则，依据两种提取规则结合三种数据源的特点，自动生成函数整体注释。本发明提取的注释能够丰富传统函数注释，提供多维度的信息且支持版本的更迭；该方法针对linux内核注释生成进行定制且实现简单，能够以相对较小的代价提供可读性好且相对较可靠的函数注释信息；有效填补了linux内核函数自动注释的空白，为学习和开发提供更丰富的参考信息，有效降低了开发的工作量和难度。

主权项

一种基于数据挖掘的源代码注释自动生成方法，包括以下步骤：1)分别从三种数据源中爬取与Linux内核函数相关的描述信息，所述三种数据源为Stack Overflow网站、Linux kernel邮件和Linux kernel Commit‑log；2)对步骤1)中得到的描述信息进行预处理，获取可能作为注释的文本，所述预处理包括文本格式处理及剔除无关Linux内核描述的噪声信息；3)概括函数注释自然文本关键的特性作为提取规则，对步骤2)预处理后获取到的文本进行提取，自动生成函数整体注释。