软件学报

作者：张鑫雨，晋武侠，刘靖雯，范铭，刘烃

单位：张鑫雨，西安交通大学 软件学院, 陕西 西安 71004911,晋武侠，西安交通大学 软件学院, 陕西 西安 71004902,刘靖雯，西安交通大学 网络空间安全学院, 陕西 西安 71004903,范铭，西安交通大学 网络空间安全学院, 陕西 西安 71004904,刘烃，西安交通大学 网络空间安全学院, 陕西 西安 71004905

关键词：提交历史;演化耦合;情节挖掘;潜在语义索引;关联规则挖掘

基金：国家重点研发计划（2018YFB1004500）；国家自然科学基金（61902306，62002280，61721002，61833015，62272387）；中央高校基本科研业务费专项资金；中国博士后基金（2020M683507，2019TQ0251，2020M673439）；西安市科协青年人才支持计划（095920201303）

软件系统的实体演化耦合分析有助于共同变更预测、软件供应链风险识别、代码漏洞溯源、缺陷预测、架构问题定位等分析活动.两个代码实体之间存在演化耦合（evolutionary coupling）是指在软件修订历史中，这对实体倾向于共同变更（共变）.已有的演化耦合分析方法难以准确检测软件维护历史中频繁发生的、有“距离”的共变.为了解决这一问题，提出了基于关联规则挖掘、情节挖掘、潜在语义索引模型相结合的演化耦合分析方法（association rule，MINEPI and LSI based method，AR-MIM），以挖掘有“距离”的共同变更关系.实验收集了58个Python项目、242 074条训练数据、330 660条ground truth的数据集，与已有的4种baseline方法进行了比较，验证了AR-MIM的效果.结果表明：在预测共同变更候选项场景上，AR-MIM的准确性、召回率、F1分数均优于已有方法.

来源：2023年第6期

《软件学报》期刊编辑部

查看软件学报杂志2023年第6期