An Integrated Framework for Constraint-Based Mining of Source Code.pdf

1、在信息領(lǐng)域,致力于提取隱藏在大型數(shù)據(jù)集中的有用信息的數(shù)據(jù)挖掘正獲得迅速的普及。數(shù)據(jù)挖掘的目標(biāo)是從大量的數(shù)據(jù)中提取有用信息。軟件的開發(fā)過程中會(huì)產(chǎn)生大量數(shù)據(jù),這些數(shù)據(jù)包括源代碼,變更歷史,運(yùn)行記錄,錯(cuò)誤報(bào)告,開源軟件包等。在軟件工程中使用數(shù)據(jù)挖掘方法可以有效的從大量數(shù)據(jù)中發(fā)掘出有用信息,從而提高軟件的質(zhì)量和效率。源代碼可以按照用戶感興趣的模式被挖掘。這些源代碼通常是一個(gè)結(jié)構(gòu)實(shí)體并且包含豐富的語(yǔ)義結(jié)構(gòu),這些語(yǔ)義結(jié)構(gòu)包含許多潛在信息。如果可以辨

2、識(shí)出這些潛在信息,就可以幫助軟件工程師節(jié)省開發(fā)時(shí)間和提高開發(fā)軟件的質(zhì)量。
　　在函數(shù)的調(diào)用,變量的使用,函數(shù)內(nèi)部數(shù)據(jù)的訪問及對(duì)象間的交互等操作背后隱藏著很多編程規(guī)則。除非這些規(guī)則被明確記錄了下來(lái)并且使其在整個(gè)開發(fā)團(tuán)隊(duì)可用,否則開發(fā)人員很容易違反這些規(guī)則從而導(dǎo)致程序出現(xiàn)一些難以恢復(fù)、難以定位、難以向bug跟蹤系統(tǒng)報(bào)告的語(yǔ)義錯(cuò)誤。但大多數(shù)情況下,這些規(guī)則只存在編程者的頭腦中,并沒有被明確記錄下來(lái)。這些問題的存在促使將強(qiáng)大的分析技術(shù)和數(shù)

3、據(jù)挖掘技術(shù)相結(jié)合,找到潛在的編程模式,從而可進(jìn)一步用于識(shí)別編碼規(guī)則、重復(fù)編碼,API(應(yīng)用程序編程接口)的使用方式及檢測(cè)錯(cuò)誤。已經(jīng)識(shí)別出的規(guī)則可以存儲(chǔ)在特定的數(shù)據(jù)庫(kù)中以供日后參考。
　　論文提出了一個(gè)集成的代碼挖掘框架。通過代碼挖掘框架可以識(shí)別出函數(shù)配對(duì)規(guī)則、變量訪問相關(guān)規(guī)則、API使用模式和復(fù)制粘貼代碼段(代碼克隆)。由于實(shí)現(xiàn)了一次性識(shí)別多種類型的規(guī)則和語(yǔ)義錯(cuò)誤,因此大大縮短和降低了用于開發(fā)測(cè)試的時(shí)間和成本。
　　該框架由

4、四部分組成:數(shù)據(jù)發(fā)生器、代碼挖掘器、基于約束的挖掘器和沖突檢測(cè)器。數(shù)據(jù)發(fā)生器將源代碼的分析問題轉(zhuǎn)化為數(shù)據(jù)挖掘問題,將用基本編程語(yǔ)言編寫的源代碼轉(zhuǎn)化為可被挖掘算法(代碼挖掘器)接納的格式。代碼挖掘器以數(shù)據(jù)發(fā)生器的輸出為輸入,利用數(shù)據(jù)挖掘技術(shù)從源代碼中發(fā)現(xiàn)有價(jià)值的規(guī)則,可以自動(dòng)提取各種編程規(guī)則、API的使用模式和重復(fù)的代碼段?；诩s束的挖掘器通過規(guī)則模板讓用戶參與挖掘過程,使得挖掘工作只對(duì)特定的用于感興趣的規(guī)則進(jìn)行挖掘,從而促進(jìn)挖掘進(jìn)程并且

5、更有針對(duì)性。錯(cuò)誤檢測(cè)器可以一次性檢測(cè)出多種類型的違反規(guī)則的錯(cuò)誤。在提出的框架的基礎(chǔ)上建立了一個(gè)集成原型系統(tǒng)。原型系統(tǒng)為用戶提供了一個(gè)互動(dòng)環(huán)境。用戶只需要輸入?yún)?shù),系統(tǒng)便可自動(dòng)返回結(jié)果。
　　到目前為止,這是第一個(gè)致力于提取多種編程模式的集成框架。它不僅可以一次性檢測(cè)出各種類型的錯(cuò)誤,而且違規(guī)提取的方式很靈活,不局限于只有那些由系統(tǒng)提取的規(guī)則。它可以根據(jù)用戶提供的規(guī)則,在給定的源文件中發(fā)現(xiàn)并標(biāo)記那些不符合規(guī)則的錯(cuò)誤。
　　通過