软件学报

作者：刘弋，吴毅坚，彭鑫，闫亚东

单位：刘弋，复旦大学 软件学院, 上海 200438;上海市数据科学重点实验室(复旦大学), 上海 20043811,吴毅坚，复旦大学 软件学院, 上海 200438;上海市数据科学重点实验室(复旦大学), 上海 20043802,彭鑫，复旦大学 软件学院, 上海 200438;上海市数据科学重点实验室(复旦大学), 上海 20043803,闫亚东，复旦大学 软件学院, 上海 200438;上海市数据科学重点实验室(复旦大学), 上海 20043804

关键词：代码坏味;软件维护;上帝类;孤立森林

基金：国家重点研发计划（2016YFB1000801）

上帝类（God class）是指同时包含多种任务职责的类，其常见特征是包含大量的属性与方法，并且与系统中的其他类有多种依赖关系.上帝类是一种典型的代码坏味，对软件的开发维护产生负面影响.近年来，许多研究都致力于发现和重构上帝类，但是现有方法识别上帝类的能力不强，检测精确率不高.提出了一种基于图模型和孤立森林的上帝类检测方法，主要分为两个阶段：图结构信息分析阶段和类内度量评估阶段.在图结构信息分析阶段，建立类间的方法调用图和类内结构图，采用孤立森林算法缩小上帝类的检测范围；在类内度量评估阶段，考虑项目的规模和架构带来的影响，将项目中上帝类相关度量指标的平均值作为基准，设计实验确定比例因子，并以平均值和比例因子的乘积作为阈值，筛选得到上帝类的检测结果.在代码坏味标准数据集上的实验结果表明：与现有的上帝类检测方法相比，该方法在精确率和F1值上分别提升了25.82个百分点和33.39个百分点，同时保持了较高的召回率.

来源：2022年第11期

《软件学报》期刊编辑部

查看软件学报杂志2022年第11期