[发明专利]一种基于多规则聚类的组件识别方法

权利要求书

1.一种基于多规则聚类的组件识别方法，其特征在于，所述方法包括如下步骤：

步骤1)：遍历依赖图找到符合强依赖类型，包括继承、实现、组合、定义与实现的实体集并聚合；

步骤2)：寻找符合强依赖结构的实体集并聚合，形成实体集，处理完毕得到的结果就是模块依赖图；

步骤3)：根据相似算法对步骤2)得到的模块依赖图进行距离计算，如下公式用于描述两个实体或实体集之间的距离公式，D(a,b)值越大，距离越短；

D(a,b)＝DirSim(a,b)*DependCom_ab；

其中，DirSim(a,b)表示实体集间的目录相似度，DependCom_ab表示实体集a依赖实体集b的依赖强度；

步骤4)：通过计算依赖频次来判断依赖密集的组件，聚合这些具有耦合度组件；

步骤5)：根据步骤2)得到的模块依赖图，根据出入边寻找K个聚类中心，进行排序，选出出入度总数前k的模块；

步骤6)：根据步骤3)计算的相互间距离，比较并找到距离聚类中心最近的模块，并预判聚合操作是否会引入新的耦合组件，以及对于新的组件进行规模预判；

步骤7)：找到距离聚类中心最接近的两个模块执行聚合操作，并更新新节点信息，每次执行最多减少K个模块；

步骤8)：重新计算新的模块与所有旧模块之间的距离，更新边信息，

步骤9)：重复步骤5)—步骤8),直到最后达到步骤6)、步骤7)为止。

2.根据权利要求1所述的一种基于多规则聚类的组件识别方法，其特征在于，所述步骤2)中寻找符合强依赖结构，具体包括紧耦合、闭环依赖、开环依赖、循环依赖的实体集并聚合。

3.根据权利要求1所述的一种基于多规则聚类的组件识别方法，其特征在于，所述步骤3)中的距离计算具体如下：根据相似算法对步骤2)得到的模块依赖图进行距离计算，具体的计算公式如下：

描述实体集X依赖实体集Y的依赖强度，其中num_X表示实体集X内的实体个数，num_Y表示实体集Y内的实体个数，DependFile_ij表示实体i对实体j的依赖强度；

描述实体或实体集间所在的目录相似度，

a、b分别代表两个实体或实体集，|Dir(a)|、|Dir(b)|分别表示a和b所在的目录路径层数，∨代表两个实体或实体集目录层数的并集，”∧”代表两个实体或实体集目录层数的交集，如果两个实体完全不属于一个目录，最小值取0.01；

依赖频次(DependencyFrequency)是指一个实体集中所有实体依赖另个实体集实体的总次数，若X和Y分别表示两个实体集，则实体集X依赖实体集Y的依赖频次表示为

DF(X,Y)＝Num(C_x1，C_y1)+Num(C_x2，C_y2)…+Num(C_xm，C_yn)；

其中m是实体集X内的实体数量，n是实体集Y内的实体数量；Num(C_xm，C_yn)表示C_xm依赖C_yn的次数，C_xm表示X实体集内第m个实体；

C_yn表示Y实体集内第n个实体；

用于描述两个实体或实体集之间的距离公式，D(a,b)值越大，距离越短；

D(a,b)＝DirSim(a,b)*DependCom_ab。