基于排序损失的ECC多标签代码异味检测方法

• 作者: 王继娜 陈军华 高建华
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 代码异味 随机森林 排序损失 集成分类器链 多标签分类
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 软件技术
• 页码范围: 178-188
• 页数: 11页
• 分类号: TP3115
• 语种: 中文
• DOI: 10.7544/issn1000-1239202120190836

摘要

代码异味是由糟糕的代码或设计问题引起的一种软件特征,严重影响了软件系统的可靠性和可维护性在软件系统中,一段代码元素可能同时受到多种代码异味的影响,使得软件质量明显下降.多标签分类适用该情况,将高共现的多个代码异味置于同一标签组,可以更好地考虑代码异味的相关性,但现有的多标签代码异味检测方法未考虑同一段代码元素中多种代码异味检测顺序的影响对此,提出了一种基于排序损失的集成分类器链(ensemble of classifier chains,ECC )多标签代码异味检测方法,该方法选择随机森林作为基础分类器并采取多次迭代ECC的方式,以排序损失最小化为目标,选择一个较优的标签序列集,优化代码异味检测顺序问题,模拟其生成机理,检测一段代码元素是否同时存在长方法-长参数列表、复杂类一消息链或消息链一过大类这3组代码异味.实验采用9个评价指标,结果表明所提出的检测方法优于现有的多标签代码异味检测方法,F1平均值达97.16％.