[发明专利]跨项目编程任务上下文预测方法

权利要求书

1.一种跨项目编程任务上下文预测方法，其特征在于，包括以下步骤：

步骤1：收集跨项目的交互历史，随后进行数据清洗，划分出工作阶段，最后将工作阶段与开发数据融合，形成跨项目工作阶段数据集；

步骤2：从跨项目工作阶段数据集中挖掘代码元素的结构关系，并基于此为每个工作阶段构建代码上下文模型，随后对模型进行抽象化处理，得到跨项目代码上下文模型库；

步骤3：从跨项目代码上下文模型中，挖掘拓扑逻辑模式，并对模式库按项目进行分类，以跨项目的模式库为输入，通过代码上下文模型预测算法，为目标项目的初始编程任务预测代码上下文。

2.根据权利1所述的跨项目编程任务上下文预测方法，其特征在于，步骤1中，数据清洗，划分出工作阶段，具体包括：

过滤重复交互历史、无关交互事件无效数据，随后将交互历史划分为工作阶段，并提取每个工作阶段访问到的元素，从中解析出代码元素。

3.根据权利1所述的跨项目编程任务上下文预测方法，其特征在于，步骤1中，将工作阶段与开发数据融合，具体包括：

分析工作阶段时间信息，结合识别出的代码仓库，定位该工作阶段对应的代码提交版本，获取开发编程数据。

4.根据权利1所述的跨项目编程任务上下文预测方法，其特征在于，步骤2中，挖掘代码元素的结构关系，并基于此为每个工作阶段构建代码上下文模型，具体包括：

结合工作阶段的代码元素以及从编程数据中挖掘出的结构关系，为每个工作阶段建立代码上下文模型，其中以节点表示代码元素，以有向边表示元素间的结构关系。

5.根据权利1所述的跨项目编程任务上下文预测方法，其特征在于，步骤2中，对模型进行抽象化处理，具体包括：

以注释形式为方法和类元素分配抽象角色，将该阶段代码上下文模型中的代码元素节点替换为抽象角色节点，以得到抽象化的模型；

当有代码元素未被分配到抽象角色时，该节点会从模型中删除，而与其连接的节点间的结构关系会被保留。

6.根据权利1所述的跨项目编程任务上下文预测方法，其特征在于，步骤3中，从抽象的代码上下文模型中挖掘跨项目的拓扑逻辑模式，并对模式库按项目进行分类，具体包括：

分别以各个项目所有的抽象模型以及最小支持度为输入，挖掘其频繁子图作为该项目的拓扑逻辑模式，以形成按项目特征分类的跨项目的拓扑逻辑模式库。

7.根据权利6所述的跨项目编程任务上下文预测方法，其特征在于，最小支持度限制了每个模式最小出现次数。

8.根据权利1所述的跨项目编程任务上下文预测方法，其特征在于，步骤3中，以跨项目的模式库为输入，通过代码上下文模型预测算法，为目标项目的初始编程任务预测代码上下文，具体包括：

以跨项目拓扑逻辑模式库、预测步长、初始访问到的代码元素为输入，首先以预测步长为深度，沿着源程序中节点的结构关系进行深度优先搜索，获取扩展的代码元素集并形成扩展图，并为其中所有节点分配抽象角色；

接着选取项目特征相近的特定的模式库，并提取扩展图的特定子图，对于每个子图，遍历对应模式库中的所有拓扑逻辑模式与之匹配，若匹配成功，则该子图为预测子图；

最后将所有预测子图归并，形成最终的预测代码上下文模型，并为其中的每个节点计算置信度confidence，对于节点v，其置信度confidence_v＝包含节点v的预测子图个数/预测子图总数。