數據挖掘技術在軟件工程中的應用

蔡斌

摘要

信息時代背景下，計算機技術等現代信息技術在社會各個行業、領域，得到了越來越廣泛且深入的應用，極大提高人們信息處理效率，方便人們工作、生活的同時，對于數據挖掘技術的科學應用，提出了更高、更新的要求。信息時代背景下，數據挖掘技術表現出廣闊的應用前景，是快速處理海量信息的技術基礎。筆者即從數據挖掘技術入手，就其在軟件工程中的應用，發表幾點看法，以供相關人員參考。

【關鍵詞】數據挖掘技術 軟件工程 應用

本文即圍繞數據挖掘技術，就其在軟件工程中的具體應用，進行了分析和探討，具體內容如下：

1 數據挖掘技術概述

數據挖掘（Data mining），也稱為數據采礦，是數據庫知識發現的一個基礎環節，是在海量數據中自動完成隱藏特殊關系數據搜索的過程，數據挖掘技術就是這一過程應用的相關技術。一般來說，數據挖掘過程可以分為四個環節進行，分別是選擇軟件庫保存的數據、完成選擇數據的預處理、對預處理得到的格式化數據進行挖掘、以及最終獲得目標數據。

軟件工程是數據挖掘技術的重要應用領域，具體的數據挖掘工作普遍分為三個層次進行，分別是交互式可視數據探查、自動模式提取和建構模型。三個層次之間存在著直接的關聯聯系，其中可視數據探查是后兩者的基礎，而建構模型又是前兩者的指導。

軟件工程領域應用數據挖掘技術的目的，主要是借助聚類、分析、預測、統計等技術手段，在海量數據資源中快速分辨、尋找符合人們應用需求的數據信息，并自動將檢索到的信息反饋至軟件系統。此外，為保障數據挖掘的科學性和有效性，數據源還應盡可能達到龐大、真實的要求。

2 數據挖掘技術的應用分析

2.1 開源軟件開發中的應用分析

所謂開源軟件，就是源代碼處于開放狀態的軟件，一般來說，開源軟件普遍對客戶免費開放，也正由于開源軟件的這一特性，導致對開源軟件的管理和控制變得相對困難。在這種環境背景下，在開源軟件開發階段引入數據挖掘技術，可有效提高開源軟件的開發質量。以大阪大學設計的分布式數據挖掘系統為例，該系統就可以在實現大規模系統挖掘的同時，完成對不同開源軟件的挖掘;再以牛津大學設計的數據挖掘系統為例，該系統實現了系統開發者和使用者的持續跟蹤管理，從而大幅度地提高了開源軟甲的使用率。

2.2 軟件項目管理中的應用分析

數據挖掘技術在軟件項目管理中的應用，主要表現在以下兩個方面：

（1）版本控制信息挖掘包含的對組織關系的挖掘;

（2）對版本控制信息的挖掘。

就軟件項目管理而言，其本身具有鮮明的系統性和復雜性特征，對組織關系的挖掘，是實現各類資源科學分配和協調的重要前提。以整個軟件項目管理過程中產生的電子郵件、共享文檔為例，對此進行數據挖掘就可以有效區分不同工種人員的組織關系，避免秩序混亂問題的發生，從而保障軟件項目管理工作的順利進行。

另一方面，版本控制可以實現對文件內容變化的詳細記錄，并作為用戶了解版本修訂情況的依據和基礎。針對版本控制信息應用數據挖掘技術可進一步降低系統維護成本，同時可起到一定的警示作用，及時反映系統修復記錄中存在的紕漏，最終達到提高軟件項目管理水平的目的。

2.3 程序代碼中的應用分析

本文涉及的程序代碼，主要是指克隆代碼，即通過簡單的“復制、粘貼”操作獲得并再次進行使用的代碼。數據挖掘在克隆代碼檢測中的應用，是數據挖掘技術應用的早期形式之一，目前應用較為普遍的方法包括基于標識符對比方法、基于文本對比方法等幾類。總的來說，數據挖掘在克隆代碼檢測中的應用還有待進一步的發展和完善，尤其是關于語法信息和語義挖掘的考慮，以提高檢測的科學性和準確性。

對橫切關注點進行挖掘，也是數據挖掘技術的重要應用，主要是由于部分關注點在程序中的代碼具有極高的相似度，甚至是使用相同代碼導致的。目前，應用于Aspect的挖掘方法眾多，根據不同方法的具體特點，可以分為形式概念分析方法、本文和類型分析方法、聚類分析方法、以及自然語言分析方法等等。在對執行模式進行數據挖掘時，應優先選擇方法執行關系挖掘和形式概念分析法兩種方法。

此外，數據挖掘技術還可用于對數據庫目標構件或代碼的挖掘應用，在數據挖掘技術的支持下，可大幅度提高檢索速度、效率和準確度。

2.4 故障檢測中的應用分析

從故障檢測的角度分析，對程序執行記錄進行數據挖掘，可提供程序的交互模式和說明，而以上信息均可以作為軟件故障定位和檢測的依據。

對程序說明的數據挖掘過程，就是對信息的跟蹤和逆向建模的過程，該過程對于加深對程序的理解，以及優化程序后續的維護管理，具有重要的作用和意義。目前，基于規則的挖掘方法是應用較為普遍的方法，其主要通過對程序行為的挖掘發現對應的規則，進而借助時態邏輯完成表達。

3 數據挖掘技術的主要應用方法

3.1 分類

數據挖掘技術涉及的相關分類方法，大致等同于某種預測分類標號的執行動作。在實際應用過程中，通常需要建構相應的分析模型，并提前根據相應規則輸入概念集或數據類集，以作為分析模型的應用基礎。

目前，數據挖掘技術應用于軟件工程領域的分類方法中，主要的分類方法包括神經網絡分類法、判斷樹法、貝葉斯分類法、以及支持向量機等幾類。其中，判斷樹法在分類計算過程中主要借助貪心算法作為邏輯基礎，根據從上而下遞歸的模式完成判定樹的構造，而判定樹包含的各個子節點，就分別表示不同的軟件類別標號。

3.2 聚類

聚類具體是指將研究涉及的大量數據，按照一定標準細分為不同簇或類的過程，從而在保障相同簇的對象之間擁有較好相似度的同時，不同的簇的對象之間有著較明顯的差異度。聚類和分類有著本質上的差異，聚類過程劃分的類對象具有不可預知性，即無指導的學習方法。聚類分析方法在其他算法的預處理范疇中有著大范圍的應用，尤其在數據分布信息獨立性分析方面有重要應用，不僅可更好地挖掘孤立點，同時可提高欺詐行為檢測的效率和準確性。

4 結語

綜上所述，信息時代背景下，數據挖掘技術是快速處理海量信息、準確尋找目標信息的關鍵。就軟件工程而言，數據挖掘技術在開源軟件開發、軟件項目管理、程序代碼、以及故障檢測等方面，均有著重要的應用，相關人員必須提高對數據挖掘技術的重視和關注，切實加強數據挖掘技術的實際應用，以促進我國軟件工程行業的進一步發展。

參考文獻

[1]張佳新.數據挖掘技術在軟件工程中的應用探究[J].電腦編程技巧與維護，2018（04）：88-89，114.

[2]阮弘毅.軟件工程數據挖掘技術應用研究[J].數碼世界，2018（02）：126.