[发明专利]一种基于深度学习的面向对象程序方法命名异味检测方法

权利要求书

1.一种基于深度学习的面向对象程序方法命名异味检测方法，其特征在于：输入为代码数据集，输出为异味检测结果；

包括以下步骤：

(1)初始化需要的参数，构造所需的相关数据结构；

(2)信息提取；输入代码数据集，获取每个方法的上下文信息，包括类名、类注释、类中成员变量名和方法注释；抽取每个方法的抽象语法树，然后进行拆分和遍历，并且还需对抽象语法树节点预训练数据集进行预处理；

(3)预训练；分别对方法上下文与方法体中的单词和抽象语法树中节点类型进行预训练；

(4)预处理；分别对方法上下文信息和方法体信息进行预处理；

(5)方法名预测模型构建；构建Encoder-Decoder模型，根据输入的数据，输出最终的检测结果。

2.如权利要求1所述的一种基于深度学习的面向对象程序方法命名异味检测方法，其特征在于：所述步骤(1)：初始化方法需要的参数，构造方法所需的相关数据结构：

(2-1)初始化方法需要的参数，M_l表示方法法上下文长度的最大值；M_s表示一个方法的抽象语法树所包含子树的最大值；M_n表示子树中所包含的节点数量的最大值；M_c表示子树中一个节点所包含的孩子节点数量的最大值；B_s表示一次读入数据大小，即批处理大小；N_f表示特征向量的维度；E_s表示训练性能不再提升时，继续几轮后停止训练；

(2-2)构造方法所需的相关数据结构

构建方法数据集合D,D＝{d_i|1≤i≤n},n表示数据样本总数，d_i表示为第i个方法的三元组(T_i,M_i,A_i),T_i表示d_i预处理后的方法上下文词集合，表示为T_i＝{t_ij|1≤j≤t_n}，其中t_ij表示第i个方法上下文T_i中第j个词，t_n表示上下文T_i中所包含的词个数；M_i表示d_i预处理后的方法体信息集合，表示为M_i＝{m_j|1≤j≤t_m}，其中t_m表示第i个方法对应的抽象语法树子树数量，最大值为M_l,m_j表示四元组各分项分别对应第i个方法的第j个抽象语法树的前序遍历节点集合、前序遍历孩子节点集合、层次遍历节点集合和层次遍历孩子节点集合；可表示为其中表示中的第k个节点名称，n_p表示中节点数量，其最大值为M_n；可表示为其中表示第i个方法中前序遍历集合的第j个子树中第k个节点对应的孩子节点集合，表示为其中n_c表示所包含的孩子节点数量，c_m表示中第m个孩子节点，且c_m最大值为M_c；和的表示与和类似；A_i表示d_i预处理后方法名词集合，可以表示为A_i＝{a_j|1≤j≤t_a},其中a_j表示第i个方法中方法名的第j个词，t_a表示方法名所包含的词个数；

构建抽象语法树节点类型预训练集合P,P＝{p_i|1≤i≤n_p},n_p表示预训练样本总数,p_i表示为第i个方法对应的抽象语法树节点集合，表示为p_i＝{pn_j|1≤j≤n_n},n_n表示为抽象语法树节点的个数，pn_j表示第i个方法抽象语法树中的第j个节点，表示为三元组(pr_j,pp_j,PC_j),pr_j表示第i个方法抽象语法树中的第j个节点的名称，pp_j表示第i个方法抽象语法树中的第j个节点的父节点名称，PC_j表示第i个方法抽象语法树中的第j个节点的孩子节点集合。