软件学报

作者：卜依凡,刘辉,李光杰

单位：卜依凡，北京理工大学 计算机学院, 北京 10008111,刘辉，北京理工大学 计算机学院, 北京 10008102,李光杰，北京理工大学 计算机学院, 北京 10008103

关键词：代码坏味;软件重构;深度学习

基金：国家重点研发计划（2016YFB1000801）；国家自然科学基金（61690205，61772071，61472034）

上帝类是指某个承担了本应由多个类分别承担的多个职责的类.上帝类违背了分而治之的基本思想以及单一职责的设计原则，严重影响软件的可维护性和可理解性.但上帝类又是一种比较常见的代码坏味.因此，针对上帝类的检测与重构一直是代码重构领域的研究热点之一.为此，提出了一种基于深度神经网络的上帝类检测方法.该方法不仅利用了常见的软件度量，而且充分利用了代码中的文本信息，意图通过挖掘文本语义揭示每个类所承担的主要角色.此外，为了解决有监督深度学习所需的海量标签数据，提出了一种基于开源代码构造标签数据的方法.最后，基于开源数据集对所提出的方法进行了实验验证.实验结果表明，这些方法优于现有的上帝类检测方法，尤其是在查全率上有大幅度的提升（提高了35.58%）.

来源：2019年第5期

《软件学报》期刊编辑部

查看软件学报杂志2019年第5期