在面向?qū)ο蟪绦蛟O計過程中,Code Smell是一個影響程序設計、運行效率和維護成本的問題,是一種由于不好的設計和實現(xiàn)所帶來的癥狀。在某種情況下,Code Smell源于開發(fā)人員在一種緊急狀態(tài)下作出的行為或簡單實現(xiàn)功能需求;在另一種情況下,也可能來自于一種反復出現(xiàn)的、被稱為“反模式”的設計方案。它帶來的最大危害就是影響了程序的模塊獨立性,因此模塊獨立型Code Smell是最需要關注的。模塊獨立型Code Smell主要包括Divergent Change、Shotgun Surgery、Feature Envy三種。在開發(fā)過程中,開發(fā)人員出現(xiàn)最多的行為就是在編寫一個類的代碼時大量使用其它類的內(nèi)容,所以最為典型的、廣泛存在程序當中的模塊獨立型Code Smell就是Feature Envy,它屬于類間Code Smell。與其它類間Code Smell不同的是,Feature Envy并不直觀,開發(fā)人員很難通過觀察找出這種Smell,往往需要通過距離度量算法計算確定這種Code Smell的存在。在距離度量算法中,主要有歐式距離、余弦距離和Jaccard距離等,考慮到實際應用場景是檢測類和類中實體的依賴關系,抽象成集合與集合之間距離最合適,因此衡量集合與集合之間相似度的Jaccard距離最合適。但傳統(tǒng)Jaccard距離度量算法只能反應代碼的調(diào)用與否問題,不能反映代碼運行中的調(diào)用頻次問題,而代碼的運行頻率不同是程序中普遍存在的問題,因此傳統(tǒng)方法存在一定的局限性。本文在集合間相似度算法Jaccard相似系數(shù)的基礎上,結合實體間的調(diào)用關系和頻次,提出了權值Jaccard距離度量方法,將方法、屬性與類之間的遠近關系抽象成基于頻率的權值Jaccard相似度距離,通過比較各個方法或者屬性和各類之間的距離大小,確定是否存在Feature Envy,篩選出目標候選類列表�？紤]到Feature Envy的檢測要符合類的職能和上下文環(huán)境,因此,又提出結合上下文語義相似度量,通過計算余弦相似度和權值Jaccard相似度的和作為指標判斷是否存在異味。這種做法既保證了檢測算法符合Feature Envy的定義,同時考慮到了代碼的功能職責,而且也降低了尋找最后目標類的時間復雜度。這很大程度提高了最后的檢測效果。在實驗中,利用5個Github中的開源工程作為數(shù)據(jù)集,在Eclipse環(huán)境中利用ByteParse解析數(shù)據(jù)集并收集類相關信息,據(jù)此將本文方法和傳統(tǒng)JDeodorant做對比,做到了P、R、F值三個指標平均約15%的提高。當然本文方法在F值的離散程度上還有欠缺,這也是以后改進的方向。
【學位單位】：上海師范大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP311.1
【部分圖文】：

(7)注解類型：如果 m 接受了一個注解的內(nèi)容，使用到的注解內(nèi)部的實體添加到關系集中。舉例說明，從圖3-1可知：方法foo在類Bar中，則foo的調(diào)用關系集為{Annot、R、B、Z、A、C、D、Bar}。解釋：Annot(第 7 行，注解類型)；R(第 4 行，返回類型)；B(第 4、5 行，參數(shù)聲明和方法調(diào)用)；Z(第 4 行，用戶自定義異常)；A(第 5 行，本地變量聲明，第 7、9 行屬性訪問)；C(第 7 行，方法調(diào)用)；D(第 7 行

上海師范大學碩士學位論義距離。這么做有兩方面好處：(1)結合兩種相似性度量從代碼和功能語義兩個方面對重構目標類進行約提高了在實際工程中的準確性；(2)使用兩種度量進行約束可以大大降低目標類的個數(shù)，從而提高重構過程效率。方法包含四個步驟，整個流程為：(1)源代碼解析，分析源代碼的組成結構，提取相關類、屬性和方法的信息[34(2)利用權值 Jaccard 相似度度量計算非語義相似度；(3)利用 TF-IDF 計算上下文語義相似度；(4)對兩種相似度進行加權求和作為最后的相似度指標并進行分析。流程示意圖如圖 4-1 所示：

圖 4-3 計算 TF 代碼示意圖Fig. 4-3 Calculate TF code diagram通過計算文件中不同單詞的數(shù)量以及每個單詞對應的個數(shù)，使用 IDF 計算公式計算得到的值作為 value，將不同的單詞當作 key 存放在一張 map 以健值對的形式作為返回值同時也是 IDF 的計算結果返回，返回結果在圖 4-5 中會用到，計算 IDF 值的部分代碼示意圖如圖 4-4 所示：
【相似文獻】

相關期刊論文 前10條

1 喬曉利;葉軍;;基于交叉熵的模糊相似度量在模式識別中的應用[J];紹興文理學院學報(自然科學版);2008年03期

2 鄭浩森,湯胤,彭宏,鄭啟倫;范例相似度量中格的嵌入[J];計算機工程與應用;2005年28期

3 譚國真，高文，張?zhí)镂?多邊形表示的相似度量[J];計算機輔助設計與圖形學學報;1995年02期

4 孫樹鵬;張璐;侯威;封國林;;基于非線性相似度量方法研究中國季節(jié)劃分[J];物理學報;2011年02期

5 楊成福;舒蘭;;關于集合的粗相似度量的注記[J];模糊系統(tǒng)與數(shù)學;2007年05期

6 胡珂立;范恩;葉軍;沈士根;谷宇章;;基于中智加權相似度量的尺度自適應視覺目標跟蹤算法[J];電信科學;2018年05期

7 張捷;;基于正切函數(shù)直覺模糊相似度量的多屬性決策方法[J];中國西部科技;2014年10期

8 王肖霞;楊風暴;吉琳娜;藺素珍;史冬梅;;基于柔性相似度量和可能性歪度的尾礦壩風險評估方法[J];上海交通大學學報;2014年10期

9 王毅;雷英杰;;基于包含度的直覺模糊相似度量方法[J];計算機工程與應用;2008年11期

10 周寧;周曼麗;;基于時空相似度量的復雜場景背景估計[J];計算機工程與應用;2005年34期

相關博士學位論文 前7條

1 周大鐲;多變量時間序列的聚類、相似查詢與異常檢測[D];天津大學;2009年

2 梅鋒;基于核機器學習的高光譜異常目標檢測算法研究[D];哈爾濱工程大學;2009年

3 竇亞玲;基于直覺模糊集的多約束網(wǎng)絡路由決策方法研究[D];華中科技大學;2010年

4 黃譽;無人直升機自主著艦關鍵技術研究[D];西北工業(yè)大學;2015年

5 王偉;基于Vague集理論的推薦與模糊決策相關算法研究[D];西北大學;2014年

6 呂澤華;模糊集理論的新拓展及其應用研究[D];華中科技大學;2007年

7 李艷紅;信息系統(tǒng)敏捷性及其相關技術的研究[D];大連理工大學;2002年

相關碩士學位論文 前10條

1 秦業(yè);模塊獨立型Code Smell檢測技術研究[D];上海師范大學;2018年

2 楊東山;多情景源異構環(huán)境用戶運動軌跡分析[D];西安工程大學;2017年

3 劉菲;基于代碼指紋的C源程序相似度評測算法研究[D];華中科技大學;2016年

4 李文軒;一種中文句子相似度的計算方法[D];華中科技大學;2016年

5 張敏;邊界不確定性集合的相似度量的研究[D];西安電子科技大學;2006年

6 郁啟麟;面向在線微博網(wǎng)絡的相似用戶發(fā)現(xiàn)方法研究[D];中國礦業(yè)大學;2017年

7 陳傳魁;機械產(chǎn)品相似性度量方法及其軟件實現(xiàn)研究[D];合肥工業(yè)大學;2008年

8 張峰;基于內(nèi)容的圖像檢索技術研究[D];大連理工大學;2006年

9 鮑乾;結合漢明距離及語義的文本相似度量方法研究[D];杭州電子科技大學;2016年

10 何鵬;復雜機械產(chǎn)品系統(tǒng)相似性度量方法及其軟件技術研究[D];合肥工業(yè)大學;2006年

本文編號：2876547