面向軟件開發(fā)信息庫的數(shù)據(jù)挖掘綜述

周麗英

（大慶鉆探工程公司錄井一公司 信息中心，黑龍江 大慶 163411）

?

面向軟件開發(fā)信息庫的數(shù)據(jù)挖掘綜述

周麗英

（大慶鉆探工程公司錄井一公司 信息中心，黑龍江 大慶 163411）

［摘 要］如今硬件開發(fā)漸漸陷入瓶頸，軟件的開發(fā)成為重點(diǎn)，如何將軟件開發(fā)信息庫中數(shù)據(jù)利用起來，是一個(gè)值得研究的課題。本文結(jié)合軟件開發(fā)信息庫與數(shù)據(jù)挖掘進(jìn)行闡述，提出做好數(shù)據(jù)挖掘的一些策略，以供參考。

［關(guān)鍵詞］軟件開發(fā)；信息庫；數(shù)據(jù)挖掘

面向軟件開發(fā)信息庫的數(shù)據(jù)挖掘是一個(gè)值得研究的課題。隨著技術(shù)的不斷進(jìn)步，軟件開發(fā)信息庫中的數(shù)據(jù)日益龐大，如何將其中的數(shù)據(jù)利用起來為軟件開發(fā)提供便利，是值得思考的問題。

1　軟件開發(fā)信息庫與數(shù)據(jù)挖掘

軟件開發(fā)過程中相關(guān)數(shù)據(jù)的總和就是軟件開發(fā)信息庫，其體現(xiàn)出了信息的數(shù)據(jù)化。一般包括以下幾種數(shù)據(jù)化信息。①項(xiàng)目信息數(shù)據(jù)包括開發(fā)過程、軟件開發(fā)里重要的數(shù)據(jù)、任務(wù)細(xì)節(jié)、資源等。收集項(xiàng)目的信息數(shù)據(jù)對后期的項(xiàng)目開發(fā)，有著重要的作用，關(guān)系著軟件最終的性能。②源代碼。軟件開發(fā)項(xiàng)目最關(guān)鍵的要素就是源代碼，直接關(guān)系著程序的執(zhí)行能力。源代碼包括軟件開發(fā)中設(shè)計(jì)的源代碼、軟件升級(jí)源代碼以及修改過程中的源代碼。③軟件開發(fā)過程中的歷史信息及相關(guān)文檔（包括測試文檔、需求文檔、設(shè)計(jì)文檔、郵件存檔與交流記錄等）信息數(shù)據(jù)。根據(jù)信息數(shù)據(jù)的不同，主要采取3種數(shù)據(jù)系統(tǒng)進(jìn)行數(shù)據(jù)的存儲(chǔ):①軟件配置管理系統(tǒng)（Software Configuration Management System，SCMS），用于存儲(chǔ)源代碼、開發(fā)過程中的文檔以及歷史記錄，比較常用的有CVS系統(tǒng)、SVN系統(tǒng)等；缺陷跟蹤系統(tǒng)（Defect Tracking System，DTS）用于存儲(chǔ)管理軟件開發(fā)中的缺陷信息以及修改信息，目前，最常用的系統(tǒng)就是Bugeilla（開源軟件缺陷管理系統(tǒng)）；項(xiàng)目管理系統(tǒng)（Project Management System，PMS）用存儲(chǔ)項(xiàng)目計(jì)劃、資源分配、執(zhí)行過程等信息數(shù)據(jù)，例如，微軟project軟件。

數(shù)據(jù)挖掘（Knowledge Discovery in Database，KDD），又叫數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)。包括4個(gè)步驟:①數(shù)據(jù)抽取，從數(shù)據(jù)源中抽取所需數(shù)據(jù)進(jìn)行研究；②數(shù)據(jù)預(yù)處理，實(shí)際抽取的數(shù)據(jù)與開發(fā)所需的數(shù)據(jù)并不一定就相符，所以需要對數(shù)據(jù)信息進(jìn)行預(yù)處理包括數(shù)據(jù)的清洗、轉(zhuǎn)換、歸納及重構(gòu)；③知識(shí)發(fā)現(xiàn)，這是數(shù)據(jù)挖掘中的關(guān)鍵，就是應(yīng)用數(shù)據(jù)挖掘技術(shù)在一些潛在的、未知且有用的信息中發(fā)現(xiàn)數(shù)據(jù)并運(yùn)用于實(shí)際開發(fā)中；④知識(shí)表示，是應(yīng)用于軟件開發(fā)的表現(xiàn)，主要就是將前三步的數(shù)據(jù)進(jìn)行整理歸納并應(yīng)用，比如:發(fā)現(xiàn)實(shí)體間的關(guān)鍵聯(lián)系規(guī)則后，在知識(shí)表示這一步驟中將分析的關(guān)鍵規(guī)則進(jìn)行關(guān)聯(lián)推薦。

2　面向軟件開發(fā)信息庫的數(shù)據(jù)挖掘

事實(shí)上在面向軟件開發(fā)信息庫的數(shù)據(jù)挖掘中還存在著或多或少的技術(shù)難點(diǎn)，主要包括數(shù)據(jù)信息復(fù)雜、數(shù)據(jù)分析形式變化以及數(shù)據(jù)挖掘的效果無法有效保證等。因此，要做好面向軟件開發(fā)信息庫的數(shù)據(jù)挖掘主要可以從以下幾個(gè)方面入手。

2.1數(shù)據(jù)來源

數(shù)據(jù)來源主要就是所獲取的數(shù)據(jù)的來源，要進(jìn)行數(shù)據(jù)挖掘首先得要有數(shù)據(jù)才能夠進(jìn)行挖掘。軟件開發(fā)信息庫中包含有巨量的信息可供挖掘。可以從權(quán)威機(jī)構(gòu)的開源信息以及網(wǎng)絡(luò)上的開源軟件中獲取源代碼信息。具體來說就是，軟件開發(fā)公司或者自由程序員開發(fā)出來的數(shù)據(jù)信息，只要能夠獲得合法權(quán)限都是可以作為數(shù)據(jù)挖掘的數(shù)據(jù)來源。比如:大型軟件開發(fā)組織自身可以自行建立一個(gè)軟件開發(fā)信息庫，軟件開發(fā)組織將自身軟件開發(fā)的信息整理歸納出來，便于抽取、理解以及分析處理。

2.2數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘的第二步驟，具體操作有以下幾個(gè)方面。①對配置系統(tǒng)進(jìn)行科學(xué)有效的管理，清除重復(fù)無效信息數(shù)據(jù)，將重要或關(guān)鍵信息以及與軟件開發(fā)項(xiàng)目相關(guān)的信息導(dǎo)出并分析，然后將分析結(jié)果同數(shù)據(jù)一同存儲(chǔ)，擴(kuò)充信息庫的同時(shí)為后續(xù)應(yīng)用提供數(shù)據(jù)來源。②缺陷系統(tǒng)數(shù)據(jù)的處理。就是對缺失的屬性值進(jìn)行分析處理，主要包括缺陷類別、狀態(tài)、缺失的信息屬性值等，在充分考慮數(shù)據(jù)間的關(guān)鍵聯(lián)系后進(jìn)行處理。③缺失、不一致的數(shù)據(jù)或者噪聲數(shù)據(jù)的處理。軟件開發(fā)的時(shí)間點(diǎn)可能不一樣，任務(wù)的前后關(guān)系也不一樣，甚至數(shù)據(jù)中還有不必要的噪聲數(shù)據(jù)，因此，需要對這些數(shù)據(jù)進(jìn)行處理，為后續(xù)的數(shù)據(jù)轉(zhuǎn)換提供便利。

2.3分析軟件演進(jìn)

分析軟件演進(jìn)，就是數(shù)據(jù)的轉(zhuǎn)換，對配置管理系統(tǒng)、缺陷系統(tǒng)、項(xiàng)目過程數(shù)據(jù)的轉(zhuǎn)換要分別進(jìn)行轉(zhuǎn)換。首先，需要對這些系統(tǒng)當(dāng)中的信息進(jìn)行科學(xué)有效的分析，尤其是數(shù)據(jù)當(dāng)中的關(guān)聯(lián)性（或者語義）要分析到位；其次，要對軟件結(jié)構(gòu)進(jìn)行全盤考慮，包括方法、定義、需求、相關(guān)變量等。

2.4缺陷分析與動(dòng)態(tài)建模

在這個(gè)步驟中，主要是根據(jù)實(shí)際情況對軟件缺陷進(jìn)行研究與分析，決策樹、回歸分析、神經(jīng)網(wǎng)絡(luò)等方法是十分有效的缺陷分析方法，對源代碼的提取與轉(zhuǎn)換提供了巨大的幫助。二項(xiàng)回歸模型方法是較為主流的缺陷分析方法，可有效地分析與統(tǒng)計(jì)軟件缺陷數(shù)據(jù)。

3　結(jié) 語

軟件開發(fā)信息庫的作用日益凸顯，在如今硬件漸漸陷入瓶頸的特殊時(shí)期，軟件的開發(fā)就成為提高硬件性能的有效手段。而數(shù)據(jù)挖掘的應(yīng)用對于提取軟件開發(fā)信息庫中的數(shù)據(jù)有著極大的作用，為開發(fā)人員提供龐大的數(shù)據(jù)用以參考和轉(zhuǎn)換，在兼顧用戶需求的基礎(chǔ)上，極大地提高軟件性能，必將促進(jìn)軟件開發(fā)行業(yè)的發(fā)展。

主要參考文獻(xiàn)

［1］郁抒思，周水庚，關(guān)佶紅.軟件工程數(shù)據(jù)挖掘研究進(jìn)展［J］.計(jì)算機(jī)科學(xué)與探索，2012（1）.

doi:10.3969/j.issn.1673 - 0194.2016.12.124

［中圖分類號(hào)］TP311.13

［文獻(xiàn)標(biāo)識(shí)碼］A

［文章編號(hào)］1673-0194（2016）12-0184-01

［收稿日期］2016-05-12