本文關(guān)鍵詞：基于概率圖模型的代碼庫數(shù)據(jù)挖掘，由筆耕文化傳播整理發(fā)布。

【摘要】：源代碼閱讀是一項十分困難的工作,特別是對于那些有成百上千個文件的源代碼工程而言,比如Linux和Gcc這樣的開源代碼庫,我們很難能夠在短時間內(nèi)清楚一個源文件是在做什么。所以對源代碼文件進行分析的自動化工具變得十分重要,例如一些可以自動分析軟件結(jié)構(gòu)、功能、調(diào)用關(guān)系、開發(fā)過程甚至是開發(fā)人員與代碼之間的一些聯(lián)系等等。一些傳統(tǒng)的主題模型比如LDA模型可以利用概率關(guān)系從文本中挖掘其中包含的多種主題。但是源代碼數(shù)據(jù)與普通文本有著顯著的區(qū)別,它們的各部分結(jié)構(gòu)不是“平等”的。一個代碼文件中包含的數(shù)據(jù)有接近普通文本的注釋,也有受到程序語言約束的代碼。另外,非監(jiān)督型主題模型只能夠給出主題的詞分布,而無法得到確切的分類名。而且目前并沒有一個針對代碼分類的標準分類系統(tǒng)。在這篇文章中,我們提出了一個新的針對源代碼庫設計的概率圖模型,用來對源代碼庫進行主題挖掘。這個模型不是將代碼文件當成普通文本處理,而是將不同的部分,包括代碼、注釋、以及提交記錄信息,進行不同的處理并通過主題將他們結(jié)合起來。因此,這個模型在模擬源代碼庫的生成過程中,相比于其它的傳統(tǒng)主題挖掘方法更加貼近源代碼庫的真實生成過程。這使得我們得到的主題分布將更加可靠。但是,如果只有這個概率圖模型,我們?nèi)匀徊荒艿玫揭粋�源代碼文件的確切分類。所以我們選擇建立一個針對與源代碼庫的分類系統(tǒng)。在本文中,我們選擇了對來自于著名的程序問答網(wǎng)站Stack over?ow的數(shù)據(jù)進行處理,建立了一個多分枝的層次化分類系統(tǒng)。同時,我們采用了不同的映射方法將源代碼文件最終映射到相應的分類系統(tǒng)中。
【關(guān)鍵詞】：代碼主題數(shù)據(jù)挖掘 EM推導 分類系統(tǒng)構(gòu)建
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP311.13
【目錄】：

• 摘要3-4
• ABSTRACT4-9
• 主要符號對照表9-10
• 第一章 緒論10-16
• 1.1 研究背景及意義10-13
• 1.2 研究內(nèi)容13
• 1.3 主要挑戰(zhàn)13-14
• 1.4 本章小結(jié)14-16
• 第二章 相關(guān)研究及技術(shù)介紹16-22
• 2.1 主題模型16-19
• 2.2 源代碼庫數(shù)據(jù)挖掘19-20
• 2.3 分類系統(tǒng)20-21
• 2.4 本章小結(jié)21-22
• 第三章 針對源代碼庫的概率圖模型22-32
• 3.1 預備知識22-23
• 3.1.1 源代碼文本庫22-23
• 3.2 問題定義23-25
• 3.3 概率圖模型25-28
• 3.3.1 動機25
• 3.3.2 概率圖模型25-28
• 3.4 圖模型推導與求解28-31
• 3.4.1 EM算法28-29
• 3.4.2 源代碼數(shù)據(jù)的極大似然29-31
• 3.5 本章總結(jié)31-32
• 第四章 源代碼庫分類系統(tǒng)32-40
• 4.1 動機32
• 4.2 分類系統(tǒng)類型32-34
• 4.3 分類構(gòu)建方法34-39
• 4.3.1 多分枝層次聚類算法HAC34-37
• 4.3.2 分類特征向量37
• 4.3.3 從主題分布到分類系統(tǒng)映射37-39
• 4.4 本章總結(jié)39-40
• 第五章 實驗與評估40-46
• 5.1 數(shù)據(jù)準備40-42
• 5.2 代碼主題學習42-45
• 5.3 本章總結(jié)45-46
• 全文總結(jié)46-48
• 附錄A EM算法推導48-52
• A.1 EM算法推導48-52
• 參考文獻52-54
• 致謝54-56
• 攻讀學位期間發(fā)表的學術(shù)論文目錄56-58

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 陳宇;徐開勇;李立新;王惠芳;;兩種重用本地代碼庫的方法比較[J];計算機工程;2006年09期

2 劉華軍;;深入解析P／Invoke[J];程序員;2006年06期

3 Michael Shoffner ,毛嘉青;龍爭虎斗——JavaBeans與ActiveX策略分析[J];微電腦世界;1997年04期

4 古俐明;錄取新生信息管理系統(tǒng)的設計與實現(xiàn)[J];廣東民族學院學報(自然科學版);1996年04期

5 李繼華;走進VB6 更上一層樓(五)[J];電腦愛好者;1999年08期

6 賈志斌;“死庫復活”的算法研究[J];西北師范大學學報(自然科學版);1998年01期

7 ;[J];;年期

中國重要報紙全文數(shù)據(jù)庫 前3條

1 金華;利用源代碼庫提高開發(fā)效率[N];中國計算機報;2003年

2 祁金華;Linux服務是否可替代？[N];網(wǎng)絡世界;2006年

3 ;專家熱議：Hypervisor的未來將會如何？[N];網(wǎng)絡世界;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 姜凱;基于概率圖模型的代碼庫數(shù)據(jù)挖掘[D];上海交通大學;2015年

  本文關(guān)鍵詞：基于概率圖模型的代碼庫數(shù)據(jù)挖掘，由筆耕文化傳播整理發(fā)布。

，

本文編號：256805