基于概率潛在語義分析的軟件變更分類研究.pdf

1、軟件變更是指軟件開發(fā)者對(duì)軟件系統(tǒng)的一次更改，在軟件的整個(gè)生命周期中，追蹤和理解軟件變更發(fā)生的原因是一項(xiàng)重要且困難的任務(wù)。當(dāng)前已經(jīng)有研究者提出了基于關(guān)鍵詞檢索的方法來識(shí)別軟件變更發(fā)生的原因，也取得了一定的成果，然而仍然存在一些尚未解決的問題，如在分析軟件變更日志中存在的同義詞與多義詞問題。本文提出了一種基于半監(jiān)督主題模型的方法來識(shí)別軟件變更發(fā)生的原因，根據(jù)其原因?qū)浖兏M(jìn)行分類。研究對(duì)象為存儲(chǔ)在軟件版本控制系統(tǒng)(如SVN)中的軟件變更日

2、志，應(yīng)用半監(jiān)督主題模型對(duì)軟件變更日志進(jìn)行挖掘和分析，在主題提取上，采用了概率潛在語義分析Probabilistic Latent Semantic Analysis（PLSA）技術(shù)。主要工作內(nèi)容如下：
　　1.在軟件版本庫變更日志的數(shù)據(jù)抽取與預(yù)處理上，提出了聯(lián)合 CvsAnaly, GATE, Wordnet三個(gè)工具的解決方案，并通過引用工具提供的API包實(shí)現(xiàn)了軟件變更日志的數(shù)據(jù)抽取、存儲(chǔ)與預(yù)處理；
　　2.為解決以往基于關(guān)

3、鍵詞檢索的軟件變更分類中存在的同義與多義問題，提出了基于PLSA主題模型的解決方法，并利用Eclipse和MATLAB平臺(tái)完成核心算法的編寫；
　　3.在應(yīng)用PLSA主題模型時(shí)，針對(duì)原始的PLSA對(duì)方法進(jìn)行了兩點(diǎn)改進(jìn)：第一則是單詞本的構(gòu)建上，在基于原始 PLSA的文本分析方法中，單詞本是根據(jù)單詞的頻率排序進(jìn)行構(gòu)建，但軟件工程領(lǐng)域的文本有著其特殊性，本文提出了一種基于軟件變更先驗(yàn)知識(shí)的關(guān)鍵單詞本構(gòu)建方法；第二是在構(gòu)建主題模型時(shí)，加入