數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用研究

李 娜

（西安文理學(xué)院 陜西 西安 710000）

0 引言

在信息化時代下，傳統(tǒng)處理技術(shù)不能滿足信息處理需求，無法精準(zhǔn)傳輸和存儲海量信息。而數(shù)據(jù)挖掘技術(shù)，可以高效處理數(shù)據(jù)信息，實現(xiàn)準(zhǔn)確傳輸與記錄。當(dāng)前，各行業(yè)領(lǐng)域開始應(yīng)用數(shù)據(jù)挖掘技術(shù)，尤其是軟件工程領(lǐng)域。該領(lǐng)域發(fā)展速度快，軟件工程和信息技術(shù)發(fā)展關(guān)聯(lián)性強(qiáng)。

1 數(shù)據(jù)挖掘技術(shù)概述

數(shù)據(jù)挖掘，是在海量數(shù)據(jù)內(nèi)探測有價值的規(guī)律行為，能夠應(yīng)用到研究領(lǐng)域，確保研究人員獲取目標(biāo)數(shù)據(jù)，同時可以應(yīng)用到商業(yè)領(lǐng)域。數(shù)據(jù)挖掘技術(shù)，能夠掌握數(shù)據(jù)潛在規(guī)律，通過歷史數(shù)據(jù)預(yù)測未來。此外，技術(shù)可檢測數(shù)據(jù)內(nèi)的異常數(shù)據(jù)，探索特殊數(shù)據(jù)對象。數(shù)據(jù)挖掘系統(tǒng)快速發(fā)展，初代系統(tǒng)成為獨立應(yīng)用，能夠支持單一算法、若干算法。現(xiàn)代系統(tǒng)可以連接移動數(shù)據(jù)，并且存儲到計算模型內(nèi)，應(yīng)用到移動設(shè)備中。數(shù)據(jù)挖掘操作中，能夠預(yù)處理數(shù)據(jù)，清除不完整、不一致數(shù)據(jù)，同時做好數(shù)據(jù)抽樣，維護(hù)數(shù)據(jù)統(tǒng)一性與正確性。深度挖掘數(shù)據(jù)，應(yīng)用多種挖掘算法，科學(xué)預(yù)測和分類數(shù)據(jù)。在分類操作中，通過模型建設(shè)分類新數(shù)據(jù)與原數(shù)據(jù)。在分類操作中，能夠以模型方式分類數(shù)據(jù)，建設(shè)函數(shù)值模型，準(zhǔn)確預(yù)測數(shù)據(jù)，涉及到關(guān)聯(lián)算法、聚類算法。按照挖掘過程選擇算法與結(jié)果，評價整個數(shù)據(jù)挖掘過程，同時將結(jié)果傳輸至用戶，轉(zhuǎn)換信息模式，確保用戶能夠理解。

2 數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用問題

2.1 數(shù)據(jù)信息復(fù)雜度高

基于當(dāng)前發(fā)展可知，軟件工程數(shù)據(jù)涉及結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)。在非結(jié)構(gòu)化數(shù)據(jù)中，軟件代碼的作用顯著，且軟件版本信息會極大影響結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)的關(guān)系密切，通過數(shù)據(jù)挖掘技術(shù)可以優(yōu)化整合結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)。

2.2 缺乏一致性評價標(biāo)準(zhǔn)

在生產(chǎn)生活中，多領(lǐng)域開始應(yīng)用數(shù)據(jù)挖掘技術(shù)，通過該項技術(shù)，能夠評價處理結(jié)果。由于評價方式不一致，所以軟件工程的評價標(biāo)準(zhǔn)不一致，加劇軟件工程信息復(fù)雜度[1]。表達(dá)方式差異性顯著，人員無法比對和應(yīng)用相關(guān)信息，導(dǎo)致軟件工程的建設(shè)難度加大。

3 數(shù)據(jù)挖掘技術(shù)的應(yīng)用流程

在軟件工程中，應(yīng)用數(shù)據(jù)挖掘技術(shù)的涉及內(nèi)容較多，比如數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、模型表現(xiàn)等。見圖1為數(shù)據(jù)挖掘流程。數(shù)據(jù)預(yù)處理操作中，主要任務(wù)與目標(biāo)在于處理原始數(shù)據(jù)，清晰劃分目標(biāo)對象，準(zhǔn)確分離不同數(shù)據(jù)。在數(shù)據(jù)預(yù)處理中，注重清理軟件工程涉及的原始數(shù)據(jù)、冗余信息，同時補充缺失數(shù)據(jù)，形成完整的數(shù)據(jù)鏈，為軟件開發(fā)、軟件管理、軟件評測提供參考。數(shù)據(jù)挖掘操作中，為了維護(hù)挖掘效果，必須確定挖掘人物，分類、歸納和評估數(shù)據(jù)，選擇針對性挖掘方法。在選擇期間，聯(lián)合數(shù)據(jù)自身特點、軟件工程實際要求，優(yōu)化調(diào)整數(shù)據(jù)挖掘方法，維護(hù)挖掘有效性。為了維護(hù)挖掘結(jié)果表達(dá)完整度，使用知識表示、模型評價方式，確保數(shù)據(jù)挖掘結(jié)果完整性，并以系統(tǒng)化方式呈現(xiàn)，確保技術(shù)人員在數(shù)據(jù)挖掘結(jié)果指導(dǎo)下，能夠針對性開發(fā)、管理、測評軟件，提升軟件工程時效性，為后續(xù)工作開展奠定基礎(chǔ)。

4 數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用策略

4.1 應(yīng)用分析

（1）挖掘結(jié)構(gòu)。數(shù)據(jù)挖掘技術(shù)在結(jié)構(gòu)與流程代碼中的應(yīng)用流程如下：首先，檢測克隆代碼方法。基于克隆代碼角度分析，按照軟件工程云隱標(biāo)準(zhǔn)，復(fù)制部分代碼流程和工具。在特殊情況下，聯(lián)合實際情況更改部分代碼，管理和檢測上述代碼，避免傳遞故障問題，盡早實現(xiàn)系統(tǒng)維護(hù)目標(biāo)。應(yīng)用克隆代碼方式，確保軟件系統(tǒng)運行順利性?，F(xiàn)階段，克隆代碼檢測方式，包括標(biāo)識符比較、文本對比、程序結(jié)構(gòu)、度量等[2]。不同克隆代碼檢測技術(shù)，都具備獨特診斷與評估方式，技術(shù)應(yīng)用期間，按照實際情況選擇。其次，Aspect挖掘法，該項技術(shù)利用橫切關(guān)注點獲取挖掘方式。軟件工程中，應(yīng)用Aspect挖掘法，優(yōu)化改造系統(tǒng)。尤其是處理問題時，可以提供多種方式方法。形式概念、度量分析法的效果顯著[3]。上述技術(shù)方法，需要通過重新構(gòu)建選集方式，科學(xué)處理橫切點挖掘問題。合理應(yīng)用數(shù)據(jù)挖掘技術(shù)，可以發(fā)揮出特殊應(yīng)用功能。數(shù)據(jù)挖掘示意圖見圖2。

（2）軟件項目管理。在軟件工程管理活動中，合理應(yīng)用數(shù)據(jù)挖掘技術(shù)。在版本控制信息中，挖掘組織關(guān)系；版本控制信息挖掘?；谲浖こ谭治觯到y(tǒng)繁瑣性比較強(qiáng)，對組織關(guān)系挖掘的標(biāo)準(zhǔn)高，優(yōu)化配置資源，落實應(yīng)用依據(jù)。將軟件工程管理流程作為主體，按照電子郵件、共享文件，深度挖掘數(shù)據(jù)信息，形成不同工種組織關(guān)系，避免出現(xiàn)流程混亂問題，全面落實軟件工程管理工作[4]。此外，版本控制可以記錄文件內(nèi)部信息變化，將其作為用戶掌握版本內(nèi)容的依據(jù)。在版本控制信息中，合理應(yīng)用數(shù)據(jù)挖掘技術(shù)，降低系統(tǒng)維護(hù)成本支出，以此展示出警示作用，體現(xiàn)出系統(tǒng)修復(fù)環(huán)節(jié)披露問題，全面加強(qiáng)軟件工程管理水平。

（3）軟件開發(fā)。數(shù)據(jù)挖掘技術(shù)將數(shù)據(jù)庫作為基礎(chǔ)。在發(fā)展過程中，先前理論應(yīng)用到實踐中，并且形成深層次科學(xué)內(nèi)容，實現(xiàn)共同發(fā)展。軟件工程為工程化學(xué)科，可以聯(lián)合不同項目指標(biāo)、用戶需求、資金需求，研究開發(fā)出新型產(chǎn)品。在軟件工程開發(fā)中，整個開發(fā)流程繁瑣，但是隨著技術(shù)成熟度提升，開始推廣到各領(lǐng)域，顯著提升技術(shù)應(yīng)用性。在軟件工程中，合理應(yīng)用數(shù)據(jù)庫挖掘技術(shù)[5]。由于受到數(shù)據(jù)庫信息影響，可以存儲大量高價值內(nèi)容，有效指導(dǎo)軟件工程開發(fā)。同時，軟件工程掌握大量信息挖掘內(nèi)容，可以擴(kuò)大應(yīng)用范圍。軟件工程版本，能夠統(tǒng)一化處理開發(fā)信息，實時更新軟件開發(fā)問題，維護(hù)軟件開發(fā)質(zhì)量。當(dāng)前，軟件開發(fā)更換數(shù)據(jù)信息，包含大量數(shù)據(jù)挖掘內(nèi)容，科學(xué)劃分軟件內(nèi)部，找尋問題并予以處理，可以實現(xiàn)軟件開發(fā)目標(biāo)。

（4）掃描軟件漏洞。首先，創(chuàng)建測試項目：按照用戶需求，制定軟件測試方案，明確掃描漏洞類型，掃描方案等；其次，收集漏洞信息。漏洞掃描前提，在于正確認(rèn)知漏洞，能夠準(zhǔn)確定義漏洞。收集軟件缺陷信息，對屬性實行定量化處理。再者，選擇理論模型：按照掃描要求，選擇適宜數(shù)據(jù)挖掘模型，按照前期收集數(shù)據(jù)資料，充分訓(xùn)練模型，獲得有效訓(xùn)練集與測試集，確保掃描策略的有效性。最后，掃描漏洞：按照前期獲取的模型，能夠?qū)⑵鋺?yīng)用到軟件掃描測試中。見圖3為掃描軟件漏洞測試流程。通過數(shù)據(jù)分類與特征分析，能夠提取漏洞信息。按照掃描結(jié)果修復(fù)漏洞，可以重新掃描處理，確保漏洞修復(fù)成功率。見圖4為數(shù)據(jù)漏洞掃描圖。

（5）故障檢測?；诠收蠙z測，圍繞程序執(zhí)行記錄實施數(shù)據(jù)挖掘，可以提供程序交互模式與說明。上述信息可以定位軟件故障，提供檢查憑證。對于程序執(zhí)行數(shù)據(jù)挖掘來說，屬于信息追蹤、逆向建模過程，深入了解和優(yōu)化流程，為后續(xù)維護(hù)管理提供條件。當(dāng)前，挖掘方式主要為常規(guī)方式，深度挖掘程序行為，找尋對應(yīng)流程，按照事態(tài)落實表述。

4.2 應(yīng)用方式

（1）分類。數(shù)據(jù)挖掘技術(shù)中，涉及較多分類方式，對于同種預(yù)測分類標(biāo)號執(zhí)行動作。在實踐操作中，建立對應(yīng)分析模型，聯(lián)合對應(yīng)流程標(biāo)準(zhǔn)，輸入數(shù)據(jù)信息，將其作為分析模式應(yīng)用依據(jù)。當(dāng)前，在軟件工程應(yīng)用中，合理應(yīng)用數(shù)據(jù)挖掘技術(shù)，分離方式涉及判斷樹法、網(wǎng)絡(luò)分類法、支持向量機(jī)、貝葉斯分類法等[6]。在分類方式應(yīng)用中，必須合理應(yīng)用判斷樹法，通過貪心算法作為邏輯依據(jù)，以由上而下標(biāo)準(zhǔn)，建立判斷樹框架。在判斷樹中，包含大量子節(jié)點，且不同子節(jié)點代表不同軟件類別符號。

（2）聚類。聚類主要研究環(huán)節(jié)包含數(shù)據(jù)信息，按照標(biāo)準(zhǔn)予以細(xì)化，形成不同類型流程，確保相同類型對象的相似性較強(qiáng)，同時保證不同類型對象的差異性。聚類與分類存在本質(zhì)偏差，聚類過程劃分對象，具備不可預(yù)測性，即無指導(dǎo)學(xué)習(xí)。在其他算法處理中，合理應(yīng)用聚類分析方式，可以擴(kuò)大應(yīng)用范圍，尤其是數(shù)據(jù)分析獨立性，不僅可以挖掘孤立點，還可以確保檢測結(jié)果精準(zhǔn)性與真實性。

（3）關(guān)聯(lián)。在軟件工程數(shù)據(jù)挖掘技術(shù)中，合理應(yīng)用關(guān)聯(lián)方法。在大規(guī)模數(shù)據(jù)中，形成關(guān)聯(lián)機(jī)制。數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)方法，具備如下屬性：首先，支持度：在A與B數(shù)據(jù)集間，出現(xiàn)事物集D；其次，置信度：出現(xiàn)A事物集D中，B存在相同概率。強(qiáng)規(guī)則是滿足最小支持度、最小置信度規(guī)則[7]。在特定事物集D中，挖掘技術(shù)關(guān)聯(lián)規(guī)則，一般是形成支持度、可信度，比軟件終端用戶設(shè)置最小支持度、最小可信度的關(guān)聯(lián)規(guī)則。

4.3 軟件工程數(shù)據(jù)檢索

在數(shù)據(jù)挖掘過程中，包括信息錄入、信息查找、信息內(nèi)容分析等挖掘過程。信息錄入，主要是維護(hù)錄入檢索信息對象。數(shù)據(jù)信息查找，是軟件工程最終用戶獲取信息對象，將檢索關(guān)鍵詞維護(hù)到檢索框內(nèi)。通過查找分析功能，分析研究對象。數(shù)據(jù)信息分析，是軟件工程終端用戶聯(lián)合個人需求，在線閱讀、線下分析數(shù)據(jù)分析需求。軟件工程終端用戶下載數(shù)據(jù)，會產(chǎn)生下載信息，簡單查找客戶獲取信息記錄，便于分析和處理用戶行為。

5 數(shù)據(jù)挖掘技術(shù)應(yīng)用挑戰(zhàn)與未來發(fā)展

5.1 技術(shù)應(yīng)用挑戰(zhàn)

將數(shù)據(jù)挖掘技術(shù)應(yīng)用到軟件工程中，軟件工程數(shù)據(jù)庫具備特殊性，會影響數(shù)據(jù)挖掘技術(shù)應(yīng)用。從整體角度分析，軟件工程應(yīng)用數(shù)據(jù)挖掘技術(shù)，面臨以下挑戰(zhàn)：軟件工程數(shù)據(jù)復(fù)雜度高，已經(jīng)成為軟件工程數(shù)據(jù)挖掘面臨難題。軟件工程中，數(shù)據(jù)信息包含結(jié)構(gòu)式、非結(jié)構(gòu)式數(shù)據(jù)類型，但是不是所有數(shù)據(jù)挖掘算法，都可以應(yīng)用到軟件工程中。應(yīng)用數(shù)據(jù)挖掘技術(shù)分析軟件代碼問題時，由于結(jié)構(gòu)式數(shù)據(jù)類型存在相應(yīng)比例數(shù)據(jù)，會增加數(shù)據(jù)挖掘算法設(shè)計難度。

軟件工程中，系統(tǒng)數(shù)據(jù)較為復(fù)雜，已經(jīng)成為數(shù)據(jù)挖掘技術(shù)的應(yīng)用難題，同時面臨非傳統(tǒng)分析問題。將數(shù)據(jù)挖掘技術(shù)應(yīng)用在軟件工程中，將數(shù)據(jù)知識提供為軟件用戶，已經(jīng)成為終極應(yīng)用目標(biāo)。長期以來，應(yīng)用數(shù)據(jù)挖掘技術(shù)，涉及傳統(tǒng)金融領(lǐng)域、新型電子商務(wù)應(yīng)用，數(shù)據(jù)信息內(nèi)容包含文字、圖表存儲方式。在軟件工程中，存儲數(shù)據(jù)內(nèi)容并非簡單統(tǒng)計數(shù)據(jù)。為了提升軟件開發(fā)工作配合度，必須關(guān)注到軟件缺陷、開發(fā)模板信息、實際案例、結(jié)構(gòu)設(shè)計等，要求軟件工程應(yīng)用數(shù)據(jù)挖掘技術(shù)時，可以研究開發(fā)新型信息存儲方式，同時包含信息展示、知識評價等[8]。同時，軟件工程結(jié)果評價中，合理應(yīng)用數(shù)據(jù)挖掘技術(shù)，面對問題非常多。傳統(tǒng)金融與應(yīng)用領(lǐng)域內(nèi)，數(shù)據(jù)挖掘技術(shù)形成成熟評價體系，并未完善結(jié)果評價體系。由于軟件工程開發(fā)面對的數(shù)據(jù)信息復(fù)雜，無法通過積極定量方式，高效評價軟件工程數(shù)據(jù)挖掘。

5.2 技術(shù)應(yīng)用發(fā)展

在軟件工程領(lǐng)域，合理應(yīng)用數(shù)據(jù)挖掘技術(shù)，與工程程序開發(fā)編寫相關(guān)。然而，編寫軟件工程代碼，會面臨動態(tài)規(guī)則、靜態(tài)規(guī)則、代碼重用等問題，對數(shù)據(jù)挖掘技術(shù)的應(yīng)用影響較大。數(shù)據(jù)量持續(xù)增長，改變了數(shù)據(jù)信息處理方式，需要調(diào)整數(shù)據(jù)挖掘發(fā)展方向。從本質(zhì)上看，互聯(lián)網(wǎng)信息應(yīng)用云處理方式，可以處理數(shù)據(jù)高復(fù)雜度問題，數(shù)據(jù)挖掘處理效率較高。在信息化時代下，逐漸形成大數(shù)據(jù)趨勢，引導(dǎo)數(shù)據(jù)挖掘技術(shù)發(fā)展。所以，在應(yīng)用數(shù)據(jù)挖掘技術(shù)時，應(yīng)當(dāng)深入分析數(shù)據(jù)處理與管理變化，以此提升技術(shù)應(yīng)用效果。

6 結(jié)語

綜上所述，在軟件工程中應(yīng)用數(shù)據(jù)挖掘技術(shù)，可以激發(fā)數(shù)據(jù)挖掘技術(shù)作用，提升軟件工程研發(fā)效率，降低管理成本投放，避免出現(xiàn)不良問題。從本文分析可知，數(shù)據(jù)挖掘技術(shù)應(yīng)用到軟件工程中，具備較強(qiáng)的現(xiàn)實意義，值得推廣。