一种基于深度学习的上帝类检测方法

• 作者: 刘辉 卜依凡 李光杰
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 代码坏味 软件重构 深度学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 智能化软件新技术专刊
• 页码范围: 1359-1374
• 页数: 16页
• 分类号: TP311
• 字数: 14770字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005724

摘要

上帝类是指某个承担了本应由多个类分别承担的多个职责的类.上帝类违背了分而治之的基本思想以及单一职责的设计原则,严重影响软件的可维护性和可理解性.但上帝类又是一种比较常见的代码坏味.因此,针对上帝类的检测与重构一直是代码重构领域的研究热点之一.为此,提出了一种基于深度神经网络的上帝类检测方法.该方法不仅利用了常见的软件度量,而且充分利用了代码中的文本信息,意图通过挖掘文本语义揭示每个类所承担的主要角色.此外,为了解决有监督深度学习所需的海量标签数据,提出了一种基于开源代码构造标签数据的方法.最后,基于开源数据集对所提出的方法进行了实验验证.实验结果表明,这些方法优于现有的上帝类检测方法,尤其是在查全率上有大幅度的提升(提高了35.58％).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘辉	北京理工大学计算机学院	100	1089	18.0	29.0
2	李光杰	北京理工大学计算机学院	2	3	1.0	1.0
3	卜依凡	北京理工大学计算机学院	1	2	1.0	1.0