張惟慎

摘 要：隨著科學技術(shù)的發(fā)展，計算機信息技術(shù)在當下得到了較為廣泛地應用，相應地，軟件開發(fā)技術(shù)也得到了較大的發(fā)展。軟件開發(fā)信息庫的數(shù)據(jù)挖掘技術(shù)，成為當下軟件開發(fā)的一個重要環(huán)節(jié)，其可以更好地促進軟件性能提升，滿足人們的實際需求。軟件開發(fā)過程中，軟件開發(fā)組織構(gòu)成了軟件開發(fā)信息庫，實現(xiàn)了資源共享，可以將相關(guān)技術(shù)手段進行廣泛傳播。這樣一來，軟件開發(fā)技術(shù)將得到極大程度的提升。文章對面向軟件開發(fā)信息庫的數(shù)據(jù)挖掘的研究，將從軟件開發(fā)信息庫的數(shù)據(jù)獲取、軟件發(fā)展、應用以及軟件開發(fā)過程中存在的問題等幾個方面對這一問題進行探討和分析，為軟件開發(fā)信息庫的數(shù)據(jù)挖掘技術(shù)提供一些參考和建議，以期促進這一技術(shù)的發(fā)展和進步。

關(guān)鍵詞：軟件開發(fā)；信息庫；數(shù)據(jù)挖掘

前言

數(shù)據(jù)挖掘，即Data mining，是在海量數(shù)據(jù)信息中提取有效信息，滿足人們實際需要的一種技術(shù)手段，該技術(shù)手段隨著社會經(jīng)濟的發(fā)展以及科學技術(shù)的應用，得到了較大的發(fā)展和進步。軟件工程數(shù)據(jù)挖掘，即Data minging for software engineering側(cè)重于軟件信息挖掘領(lǐng)域，是對軟件信息進行資源共享的一種技術(shù)手段，該手段的關(guān)鍵領(lǐng)域在于對軟件技術(shù)的研究和應用。軟件開發(fā)信息庫的數(shù)據(jù)挖掘，注重于數(shù)據(jù)挖掘、人工智能、模式識別等領(lǐng)域的研究，這三大領(lǐng)域又是軟件實現(xiàn)智能化、高科技化的關(guān)鍵。軟件開發(fā)信息庫的數(shù)據(jù)挖掘，近幾年來，以ICSE（International Conference on software engineering）會議提出的相關(guān)數(shù)據(jù)挖掘信息為研究對象，分析了軟件數(shù)據(jù)信息庫在軟件開發(fā)過程中的重要作用。文章在對軟件開發(fā)信息庫的數(shù)據(jù)挖掘技術(shù)分析過程中，探討了數(shù)據(jù)挖掘技術(shù)在軟件工程領(lǐng)域的重要作用，以及數(shù)據(jù)挖掘與軟件開發(fā)之間的密切聯(lián)系，注重對軟件開發(fā)特色的分析以及數(shù)據(jù)挖掘作用的闡述，突出了數(shù)據(jù)挖掘在軟件開發(fā)算法選擇過程中的重要作用。

1 軟件開發(fā)信息庫數(shù)據(jù)挖掘的基本概念與面臨的挑戰(zhàn)

1.1 軟件開發(fā)信息庫

軟件開發(fā)信息庫主要是指軟件開發(fā)過程中的相關(guān)數(shù)據(jù)總和，體現(xiàn)出了“數(shù)據(jù)化”這一特征。關(guān)于軟件開發(fā)信息庫的具體內(nèi)容，我們可以從以下幾點看出：

（1）項目開發(fā)過程中的“項目數(shù)據(jù)”，包括了項目開發(fā)的過程、細化的任務以及相關(guān)資源信息等?！绊椖繑?shù)據(jù)”是軟件開發(fā)的關(guān)鍵環(huán)節(jié)和基礎(chǔ)環(huán)節(jié)，是后續(xù)開發(fā)的起點。“項目數(shù)據(jù)”的有效記載和日后的有效分析，將直接影響到軟件開發(fā)的最終性能。

（2）源代碼數(shù)據(jù)。源代碼數(shù)據(jù)是軟件程序執(zhí)行的關(guān)鍵，主要包括了“項目”開發(fā)的源代碼以及軟件版本升級和修改過程中的代碼。

（3）項目開發(fā)的相關(guān)文檔信息。軟件項目開發(fā)過程中，需要的文檔信息主要包括了需求文檔、測試文檔、設(shè)計文檔等，這些文檔能夠為軟件開發(fā)提供相應的數(shù)據(jù)支撐，確保軟件開發(fā)的目標得以實現(xiàn)。

（4）項目開發(fā)的歷史信息。這一部分包括了E-mail存檔、論壇交流的歷史記錄等。

（5）軟件存在缺陷的信息。軟件缺陷信息是軟件開發(fā)信息庫中的一個重要組成部分，同時，這一部分也是完善軟件相關(guān)信息，提升軟件整體性能的關(guān)鍵。軟件缺陷跟蹤信息，在后續(xù)的軟件修改和維護過程中，具有指導性意義。

軟件開發(fā)信息庫是軟件開發(fā)的重要組成部分，其對數(shù)據(jù)信息進行有效存儲。一般來說，軟件開發(fā)信息庫在數(shù)據(jù)存儲過程中，會根據(jù)信息的不同分類，有針對性地進行信息存儲。

（1）軟件配置管理系統(tǒng)。該系統(tǒng)是軟件開發(fā)中的一個重要組成部分，英文表示為“sofware configuration management system”，即“SCMS”，也就是版本控制系統(tǒng)。SCMS關(guān)系到了軟件開發(fā)過程中的源代碼數(shù)據(jù)信息控制，可以保證項目開發(fā)的相關(guān)文檔能夠進行有效存儲，并對相關(guān)歷史信息進行有效存檔。應用于軟件配置管理系統(tǒng)的軟件系統(tǒng)主要有：CVS、SVN等。

（2）Defect tracking system，即“缺陷跟蹤系統(tǒng)”，該系統(tǒng)是軟件進行修改的主要依據(jù)，其在軟件開發(fā)過程中，最主要的功能就是軟件缺陷報告。目前來看，在進行軟件開發(fā)過程中，利用缺陷跟蹤系統(tǒng)，可以對軟件開發(fā)過程中存在的問題進行有效分析，并采取有針對性的措施進行解決，保證軟件開發(fā)的可靠性和質(zhì)量性。在應用中，以“Bugzilla”系統(tǒng)為主。

（3）Project management system，即“項目管理系統(tǒng)”，該系統(tǒng)在軟件開發(fā)過程中，具有著重要地位，并且在實際應用過程中，發(fā)揮著重要作用。項目管理系統(tǒng)主要保證了軟件開發(fā)的項目計劃、資源分配、程序執(zhí)行，能夠按照相關(guān)要求進行，更好地提升軟件開發(fā)的效率。在實際應用過程中，例如微軟的Project軟件，就是利用了項目管理系統(tǒng)實現(xiàn)了對軟件計劃、資源分配的有效安排，提升了軟件開發(fā)的效率，并降低了軟件開發(fā)的成本。

1.2 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘，即是利用數(shù)據(jù)庫內(nèi)的相關(guān)信息，更好地滿足人們的實際需要。數(shù)據(jù)挖掘，又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是從一個巨大的數(shù)據(jù)信息庫中，對一些關(guān)鍵性知識的發(fā)掘，從而更好地解決實現(xiàn)問題。關(guān)于數(shù)據(jù)挖掘的內(nèi)容，我們可以從圖1看出。

圖1 數(shù)據(jù)挖掘過程

如圖1所示，我們可以看出，數(shù)據(jù)挖掘的步驟主要包括了以下幾個步驟：

（1）數(shù)據(jù)抽取。數(shù)據(jù)挖掘中的數(shù)據(jù)抽取，主要是以人們的實際需要為主，即在大的數(shù)據(jù)信息庫中提取有效信息，這些信息可以為人們的實踐活動提供有效指導，保證人們能夠?qū)ο嚓P(guān)問題進行有效解決。數(shù)據(jù)提取過程中，需要對數(shù)據(jù)信息內(nèi)容以及來源進行把握，同時也需要對數(shù)據(jù)類型和相關(guān)結(jié)構(gòu)進行有效分析，這樣一來，才能夠保證數(shù)據(jù)信息得到更好地應用；

（2）數(shù)據(jù)預處理。數(shù)據(jù)預處理主要是根據(jù)提取的相關(guān)數(shù)據(jù)信息，根據(jù)實際需要，對數(shù)據(jù)進行有效處理，將一些不必要的信息進行有效剔除，使留下的信息能夠更好地指導實踐活動；

（3）知識發(fā)現(xiàn)。知識發(fā)現(xiàn)是數(shù)據(jù)挖掘的一個關(guān)鍵環(huán)節(jié)，同時，這一步驟也是數(shù)據(jù)信息得到有效應用的關(guān)鍵。知識發(fā)現(xiàn)主要是發(fā)現(xiàn)知識數(shù)據(jù)中，一些潛在的、未知的、有用的信息，將這些信息能夠提煉出來，更好地在實踐中進行運用；

（4）知識表示。知識表示是數(shù)據(jù)挖掘技術(shù)的最后階段，也就是理論應用于實踐中的一個表現(xiàn)。隨著大數(shù)據(jù)挖掘技術(shù)的發(fā)展和進步，知識表現(xiàn)的形式呈現(xiàn)一種多樣化的發(fā)展特征，通過關(guān)鍵規(guī)則，可以對知識進行開拓性的處理，使知識得到更好地應用。

綜上所述，我們不難看出，數(shù)據(jù)挖掘技術(shù)在軟件開發(fā)信息庫中的應用，主要分為四個步驟，即數(shù)據(jù)抽取、數(shù)據(jù)預處理、知識發(fā)現(xiàn)以及知識表示。數(shù)據(jù)挖掘技術(shù)與軟件開發(fā)信息庫有著密切的關(guān)聯(lián)性，軟件開發(fā)信息庫實現(xiàn)了信息資源的共享，是數(shù)據(jù)挖掘的基礎(chǔ)和前提，同樣地，數(shù)據(jù)挖掘也在很大程度上促進了軟件開發(fā)的發(fā)展和進步，二者之間，存在著一種相輔相成的關(guān)系。

1.3 軟件工程數(shù)據(jù)挖掘面臨的挑戰(zhàn)

軟件工程數(shù)據(jù)挖掘面臨的挑戰(zhàn)，是影響軟件開發(fā)的主要因素，在實際發(fā)展過程中，如何有效應對這一挑戰(zhàn)，更好地促進軟件開發(fā)技術(shù)的發(fā)展和進步，成為當下軟件開發(fā)面臨的一個重要議題。

（1）數(shù)據(jù)信息復雜化。隨著科學技術(shù)的發(fā)展，人們對高性能軟件有著更加迫切的需求，這樣一來，數(shù)據(jù)信息復雜化特征，成為當下軟件開發(fā)和數(shù)據(jù)挖掘面臨的一個主要問題。數(shù)據(jù)信息復雜化，主要包括了代碼、注釋、文檔的復雜化，三者之間在應用過程中，對算法選擇上，有著較大的差別，并且對算法的要求，表現(xiàn)出一種“苛刻”的特點。

（2）分析形式的變化。隨著電子商務時代的到來，軟件開發(fā)過程中，面臨著更大的挑戰(zhàn)，對相關(guān)數(shù)據(jù)的分析，也變得更加復雜和困難。數(shù)據(jù)挖掘的最終步驟是將知識提交給用戶，而在數(shù)據(jù)信息提交完成后，如何對圖表、文字信息進行分析，如何對其作出有效評價，將成為一個較大的難題。

（3）數(shù)據(jù)挖掘的效果評價。數(shù)據(jù)挖掘技術(shù)在應用過程中，形成了一定的結(jié)果表示和評價體系，但是面臨著新的發(fā)展形勢，傳統(tǒng)的效果評價呈現(xiàn)出一種滯后性，無法在當下得到有效應用。這樣一來，效果評價成為當下探究的熱門議題。

2 軟件開發(fā)信息庫的數(shù)據(jù)挖掘綜述

2.1 軟件開發(fā)信息庫的數(shù)據(jù)獲取

軟件開發(fā)信息庫的數(shù)據(jù)獲取，是數(shù)據(jù)挖掘的前提和基礎(chǔ)，一般來說，軟件開發(fā)信息庫的數(shù)據(jù)來源，主要包括了以下幾點：

（1）軟件開發(fā)商自身建立了軟件開發(fā)信息庫。軟件開發(fā)商在進行軟件開發(fā)過程中，勢必會對自身對軟件信息的研究進行有效地總結(jié)，并將這些信息進行存儲，為日后的發(fā)展提供有效依據(jù)；

（2）軟件開發(fā)機構(gòu)對軟件信息的存儲。一些權(quán)威機構(gòu)為了更好地促進軟件開發(fā)技術(shù)的發(fā)展，會將一些研究成果進行信息存儲，并且對相關(guān)技術(shù)進行信息共享，更好地促進軟件開發(fā)技術(shù)的發(fā)展和進步；

（3）自由軟件的軟件開發(fā)數(shù)據(jù)。自由軟件的軟件開發(fā)數(shù)據(jù)是最容易獲得的軟件開發(fā)信息，是研究項目的主要數(shù)據(jù)來源之一。關(guān)于自由軟件的軟件開發(fā)數(shù)據(jù)，最具代表性的則是Source Forge提供的軟件開發(fā)數(shù)據(jù)，包括了源代碼、缺陷數(shù)據(jù)以及相關(guān)交流信息等。

軟件開發(fā)信息庫獲取了相關(guān)數(shù)據(jù)信息后，會根據(jù)軟件開發(fā)的實際需要，對一些重要的軟件信息進行有效提取，這一提取過程，是軟件開發(fā)數(shù)據(jù)庫形成的關(guān)鍵環(huán)節(jié)。一般來說，在進行數(shù)據(jù)庫信息抽取時，主要包括了源代碼、項目數(shù)據(jù)信息、缺陷數(shù)據(jù)信息的提取。關(guān)于軟件開發(fā)信息庫問題的處理，CVS系統(tǒng)在應用過程中，具有代表性意義。CVS管理系統(tǒng)在應用過程中，注重對相關(guān)信息的結(jié)構(gòu)轉(zhuǎn)化，將相關(guān)信息進行有效提取，并能夠?qū)ζ溥M行有效保存，更好地滿足實際需要。

2.2 軟件開發(fā)信息庫數(shù)據(jù)的預處理

面向軟件開發(fā)信息的數(shù)據(jù)挖掘技術(shù)應用，對數(shù)據(jù)庫內(nèi)的信息進行預處理是一個關(guān)鍵環(huán)節(jié)，在上文中，我們對這一問題也進行了相關(guān)闡述。接下來，我們將對這一問題進行具體的研究和分析。一般來說，軟件開發(fā)信息庫數(shù)據(jù)的預處理，主要包括了以下內(nèi)容：

（1）對配置系統(tǒng)進行有效管理。配置系統(tǒng)的數(shù)據(jù)信息處理，主要是對一些無效信息進行去除，并將重要信息和所需要的信息進行提取，并對其進行有效性分析，將提取的信息進行存儲，以便更好地進行應用；

（2）對缺陷數(shù)據(jù)進行處理。缺陷數(shù)據(jù)的處理，注重對缺失屬性值的分析，包括了類別、狀態(tài)、級別等相關(guān)缺陷的有效分析。缺陷數(shù)據(jù)的處理，還包括了對一些缺失信息的處理，對數(shù)據(jù)的屬性值進行有效地補充；

（3）項目過程數(shù)據(jù)中存在一定的噪聲數(shù)據(jù)的處理。項目過程數(shù)據(jù)中的噪聲污染，將會對軟件的整體性能產(chǎn)生主要的影響，“除噪”步驟必不可少。噪聲去除過程中，主要是為了更好地保證軟件開發(fā)的可靠性和穩(wěn)定性，可采取分箱、聚類以及回歸分析的方式對這一問題進行解決。

2.3 軟件的演進分析

軟件演進分析是軟件開發(fā)信息數(shù)據(jù)挖掘的一個重要環(huán)節(jié)，在實際應用過程中，要對軟件的代碼演進進行有效分析。關(guān)于軟件代碼演進分析，較為常用的方法則是對程序語義進行有效分析，并且對軟件的具體結(jié)構(gòu)進行考慮，包括了方法、類型定義以及相關(guān)變量等內(nèi)容。關(guān)于軟件的演進分析，較為代表性的有D.Jackson和D.A.Ladd采用的語義分析方法，可以對內(nèi)容變量和外部變量的變化進行有效分析，并能夠?qū)ο嚓P(guān)信息進行正確識別。除此之外，M.W Godfrey等人則針對于開源軟件的演進過程中進行了分析，驗證了軟件演進法則。文章對軟件的演進分析，則基于軟件靜態(tài)程序進行了相關(guān)分析。

在分析過程中，由于軟件開發(fā)過程中的架構(gòu)演進較難控制，我們需要在開發(fā)過程中，對軟件源代碼進行有效設(shè)計，并對源代碼的修改進行慎重考慮，對其架構(gòu)演進情況進行合理把握。在分析時，可采用Zinmer mann提出的“關(guān)聯(lián)規(guī)則”方法，對演進過程中的模塊關(guān)系進行合理、有效把握。

2.4 軟件缺陷分析和動態(tài)建模方法

面向軟件開發(fā)信息庫的數(shù)據(jù)挖掘技術(shù)中，軟件缺陷分析和動態(tài)建模方法，是數(shù)據(jù)挖掘必須注意的一個重要議題。

2.4.1 軟件缺陷分析

軟件缺陷分析主要是根據(jù)實際情況，對不同屬性的軟件缺陷情況進行研究和分析，包括了決策樹、回歸分析以及神經(jīng)網(wǎng)絡(luò)等三種方法。其中，Patrick Knab等人，則應用了決策樹方法對軟件缺陷問題進行了分析。Patrick Knab等人分析的方面在于源代碼缺陷密度問題，對代碼行數(shù)、源代碼密度選擇問題展開了研究，為源代碼的選用，提供了有效依據(jù)。而針對于軟件缺陷數(shù)據(jù)和缺陷位置的研究，則主要以二項回歸模型方法為主，能夠?qū)浖毕輸?shù)據(jù)進行有效分析和統(tǒng)計。

2.4.2 動態(tài)建模方法

軟件開發(fā)信息庫的數(shù)據(jù)挖掘技術(shù)中，動態(tài)建模方法應用，能夠更好地對軟件開發(fā)過程中的事件動態(tài)關(guān)系進行有效把握。關(guān)于這一問題的研究，具有代表性的是Jonathan.E.Cook和A lexander L.Wolf在上個世紀末提出的語義推論方法，并應用神經(jīng)網(wǎng)絡(luò)算法建立動態(tài)模型，更好地實現(xiàn)了對軟件事件的動態(tài)監(jiān)控。同時，該方法在應用過程中，能夠利用動態(tài)建模方法，為用戶提供一個有效的軟件開發(fā)過程中，并且這一過程的提出，主要基于歷史事件的關(guān)聯(lián)分析基礎(chǔ)上。

3 結(jié)束語

綜上所述，我們可以看出，軟件開發(fā)數(shù)據(jù)在軟件開發(fā)中將發(fā)揮著日益重要的作用。這樣一來，把握軟件開發(fā)信息庫數(shù)據(jù)挖掘技術(shù)的應用，使其在軟件開發(fā)過程中發(fā)揮應有作用，成為當下軟件開發(fā)過程中必須把握的一個重要議題。同時，數(shù)據(jù)挖掘技術(shù)在軟件開發(fā)信息庫中的應用，對未來軟件開發(fā)領(lǐng)域，也將產(chǎn)生更為積極的作用。

參考文獻

[1]高強，賈志淳.面向軟件開發(fā)信息庫的數(shù)據(jù)挖掘綜述[J].電子制作，2014，19：110-111.

[2]郁抒思，周水庚，關(guān)佶紅.軟件工程數(shù)據(jù)挖掘研究進展[J].計算機科學與探索，2012，1：1-31.

[3]王輝，杜慶峰.基于軟件信息庫挖掘的軟件缺陷預測方法[J].計算機工程與設(shè)計，2012，8：3094-3098.