[发明专利]一种基于层次主题模型的程序特征树的生成方法

权利要求书

1.一种基于层次主题模型的程序特征树的生成方法，其特征在于，步骤如下：

步骤1) 导入需要理解的软件系统的源代码；

步骤2) 提取用户自定义标识符以及注释作为研究对象，并对其进行预处理；

步骤3) 利用层次主题模型为经过预处理的对象进行建模，生成该系统的程序特征树，该程序特征树中的程序特征即为主题模型中提取的主题；

步骤4) 将叶子节点的特征与软件系统内的所有类文件进行匹配；

步骤5) 判断程序特征树是否有利于理解软件系统的大部分代码，是则输出程序特征树。

2.根据权利要求1所述的一种基于层次主题模型的程序特征树的生成方法，其特征在于，步骤2）的预处理过程包括以下步骤：

a）删除语义上和编程语言相关的关键字；

b）对一些按照驼峰规则和有下划短线相连的组合词进行分词；

c）去除英语停用词；

d）将词语的不同形式进行归一化。

3.根据权利要求2所述的一种基于层次主题模型的程序特征树的生成方法，其特征在于，步骤3）在建模时，先设定层次主题模型的层次L以及给定主题的数目K。

4.根据权利要求3所述的一种基于层次主题模型的程序特征树的生成方法，其特征在于，步骤4）的具体方法为，将所有类文件逐一与叶子节点的每个特征进行匹配，若某个类文件包含某个特征，则该类文件被分配到与该特征相关的集合中，并且，该类文件还需与其他特征进行匹配，即一个类文件可具有多个特征，同样一个特征下可具有多个类文件。

5.根据权利要求4所述的一种基于层次主题模型的程序特征树的生成方法，其特征在于，步骤5）的具体方法为，当软件系统中匹配成功的类文件数量占总类文件数量百分比大于等于80%时，判定程序特征树有利于理解软件系统的大部分代码，则输出程序特征树，否则回到步骤7）调节层次主题模型的层次和主题数目重新建模，重新将叶子节点的主题与相关类文件进行匹配，可用于软件开发维护中。