語(yǔ)句包裹模式的識(shí)別和分類(lèi)

于永勝 楊春花

摘要：軟件演化過(guò)程中會(huì)產(chǎn)生大量變更代碼，對(duì)變更代碼的識(shí)別有利于變更理解。其中普遍存在的把一個(gè)語(yǔ)句或語(yǔ)句序列移動(dòng)到一個(gè)或多個(gè)不同的語(yǔ)法實(shí)體中的變更行為，對(duì)于這種語(yǔ)句包裹模式的識(shí)別和分類(lèi)，提出了基于代碼變更塊和抽象語(yǔ)法樹(shù)的語(yǔ)句包裹模式識(shí)別分類(lèi)算法。首先從變更前后版本2個(gè)文件中篩選出代碼變更塊，根據(jù)語(yǔ)句包裹模式的特征找到候選代碼變更塊，再建立抽象語(yǔ)法樹(shù)，通過(guò)語(yǔ)法分析找到代碼變更塊中存在的語(yǔ)句包裹模式并對(duì)其進(jìn)行分類(lèi)。該算法在4個(gè)開(kāi)源項(xiàng)目中進(jìn)行了實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明該算法對(duì)語(yǔ)句包裹模式的識(shí)別具有較高的準(zhǔn)確率。

關(guān)鍵詞： 語(yǔ)句包裹模式; 軟件演化; 抽象語(yǔ)法樹(shù); 代碼變更塊

【Abstract】 During the software evolution process， a large number of change codes will be generated， and the identification of the change code is conducive to change understanding. Among them is the universal behavior of changing a statement or a sequence of statement into one or more different grammatical entities. For the recognition and classification of such statement encapsulation patterns， the paper proposes a statement encapsulation pattern recognition classification algorithm based on code change blocks and abstract syntax trees. First， the code change block is filtered from the two files before and after the change， and the candidate code change block is found according to the characteristics of the statement encapsulation pattern， then an abstract syntax tree is established. Finally，syntactic analysis is used to find and classify the statement encapsulation patterns existing in the code change block. The algorithm has been experimentally verified in four open source projects， and the experimental results show that the algorithm has a high accuracy rate for statement encapsulation pattern recognition.

【Key words】 ?statement encapsulation pattern; software evolution; abstract syntax tree; code change block

0 引 言

軟件版本控制系統(tǒng)記錄著軟件開(kāi)發(fā)過(guò)程中的每個(gè)細(xì)節(jié)以及不同時(shí)期的不同版本，軟件版本控制系統(tǒng)每天都會(huì)產(chǎn)生大量的變更代碼，理解變更代碼可以使軟件日常維護(hù)和功能添加變得更加容易。理解軟件變更已經(jīng)成為軟件開(kāi)發(fā)人員日常開(kāi)發(fā)和維護(hù)的基本要求。

在大量軟件變更代碼中存在對(duì)軟件的重構(gòu)、錯(cuò)誤修復(fù)以及功能添加。重構(gòu)是在不改變軟件外在行為的前提下，改進(jìn)軟件的內(nèi)部結(jié)構(gòu)，使軟件更易于維護(hù)和功能的添加。Fowler[1]在其著作中詳細(xì)介紹了重構(gòu)模型，其核心是一個(gè)全面的重構(gòu)目錄。變更代碼中也存在對(duì)代碼的錯(cuò)誤修復(fù)。關(guān)于錯(cuò)誤報(bào)告方面的研究有：Zhang等人[2]對(duì)Bugzilla上的錯(cuò)誤報(bào)告進(jìn)行了實(shí)證研究，并指出了進(jìn)行錯(cuò)誤報(bào)告分析時(shí)可能存在的問(wèn)題;童燕翔[3]去除了bug report中的非修正性報(bào)告并提出了自動(dòng)化缺陷定位方法;關(guān)于錯(cuò)誤修復(fù)的識(shí)別方面的研究有：Eshkevari等人[4]提出了沿4個(gè)正交維度的標(biāo)識(shí)符重命名分類(lèi)方法，并實(shí)現(xiàn)了標(biāo)識(shí)符重命名的識(shí)別和分類(lèi);Kawrykow等人[5]開(kāi)發(fā)了一種工具支持的技術(shù)，用于檢測(cè)軟件系統(tǒng)的修訂歷史記錄中不必要的代碼修改;Kim等人[6]通過(guò)分析錯(cuò)誤修復(fù)的歷史記錄開(kāi)發(fā)了錯(cuò)誤修復(fù)存儲(chǔ)器，并提出了一種使用錯(cuò)誤修復(fù)存儲(chǔ)器的錯(cuò)誤發(fā)現(xiàn)算法;關(guān)于錯(cuò)誤預(yù)測(cè)方面的研究有： 原子等人[7]提出了語(yǔ)句級(jí)的缺陷預(yù)測(cè)方法，揭示了變更易于引入缺陷的因素;劉望舒等人[8]針對(duì)挖掘軟件歷史倉(cāng)庫(kù)過(guò)程中程序模塊類(lèi)型標(biāo)記和軟件度量時(shí)產(chǎn)生的噪聲，提出一種可容忍噪聲的特征選擇框架FECS。

軟件變更代碼中摻雜著大量的對(duì)軟件的重構(gòu)、錯(cuò)誤修復(fù)和功能添加的代碼，對(duì)軟件變更代碼中變更模式的提取有利于對(duì)軟件變更的理解。在對(duì)軟件變更進(jìn)行研究后，接著又研究了把一個(gè)語(yǔ)句或語(yǔ)句序列移動(dòng)到一個(gè)或多個(gè)不同的語(yǔ)法實(shí)體中的語(yǔ)句包裹模式。Pan等人[9]在其著作中從7個(gè)開(kāi)源項(xiàng)目的配置管理存儲(chǔ)庫(kù)中，使用錯(cuò)誤修復(fù)程序更改所涉及的語(yǔ)法組件和源代碼上下文定義了27個(gè)可自動(dòng)提取的錯(cuò)誤修復(fù)模式。但是其著作對(duì)錯(cuò)誤修復(fù)模式的研究并沒(méi)有完全涵蓋語(yǔ)句包裹模式所包含的變更類(lèi)型，因此還需要對(duì)語(yǔ)句包裹模式做進(jìn)一步的研究。

1 語(yǔ)句包裹模式的識(shí)別和分類(lèi)

1.1 代碼變更塊

代碼變更塊（hunk）是由代碼變更前后版本之間的變更代碼構(gòu)成的，本文通過(guò)基于文本的方法獲取代碼變更塊，圖1中的代碼變更塊取自數(shù)據(jù)倉(cāng)庫(kù)jEdit中KeymapImpl.java文件的一次提交。在圖1所示的代碼變更塊中，左邊頁(yè)碼從第106～107行前面帶減號(hào)的代碼是代碼變更過(guò)程中從原文件中刪除的代碼，右邊頁(yè)碼從第106～111行前面帶加號(hào)的代碼是代碼變更后新版本文件中增加的代碼。

1.2 抽象語(yǔ)法樹(shù)

抽象語(yǔ)法樹(shù)抽象地表示了源代碼的語(yǔ)法結(jié)構(gòu)，抽象語(yǔ)法樹(shù)通過(guò)將源代碼中的每一種結(jié)構(gòu)用節(jié)點(diǎn)表示來(lái)表現(xiàn)編程語(yǔ)言的語(yǔ)法結(jié)構(gòu)，而真實(shí)語(yǔ)法中的每一個(gè)細(xì)節(jié)并沒(méi)有包含在抽象語(yǔ)法樹(shù)中，比如嵌套的括號(hào)在抽象語(yǔ)法樹(shù)中就沒(méi)有以節(jié)點(diǎn)的形式表現(xiàn)出來(lái)，對(duì)于語(yǔ)句包裹模式的研究需要對(duì)代碼變更文件的抽象語(yǔ)法樹(shù)進(jìn)行分析。

1.3 語(yǔ)句包裹模式的識(shí)別和分類(lèi)

1.3.1 語(yǔ)句包裹模式

語(yǔ)句包裹模式所表示的代碼變更行為是把一個(gè)語(yǔ)句或語(yǔ)句序列移動(dòng)到一個(gè)或多個(gè)不同的語(yǔ)法實(shí)體中，這個(gè)語(yǔ)法實(shí)體是一個(gè)結(jié)構(gòu)化的語(yǔ)句，語(yǔ)法實(shí)體包括If、Try、For、Switch、Synchronized、While、Labeled和Do。語(yǔ)句包裹模式所表示的代碼變更行為是將一個(gè)語(yǔ)句或語(yǔ)句序列移動(dòng)到一個(gè)或多個(gè)結(jié)構(gòu)化語(yǔ)句中，這種結(jié)構(gòu)化語(yǔ)句是這個(gè)語(yǔ)句或語(yǔ)句序列在被執(zhí)行時(shí)需要滿(mǎn)足的條件，是對(duì)代碼原文件的錯(cuò)誤修復(fù)。

在圖2所示的語(yǔ)句包裹模式hunk實(shí)例取自數(shù)據(jù)倉(cāng)庫(kù)jEdit中文件Gutter.java的一次提交中，圖2中左邊頁(yè)碼第128行是從原文件中刪除的代碼，右側(cè)頁(yè)碼從128～129行是代碼變更過(guò)程中增加的代碼，第128行刪除的代碼和第129行增加的代碼是非常相似的，圖2中將一行代碼移動(dòng)到了一個(gè)If語(yǔ)法實(shí)體中，發(fā)生了語(yǔ)句包裹。對(duì)于一個(gè)語(yǔ)句或語(yǔ)句序列移動(dòng)到Try、For、Switch、Synchronized、While、Labeled和Do這七種語(yǔ)法實(shí)體中的變更行為也都屬于語(yǔ)句包裹模式。

在圖3所示的語(yǔ)句包裹模式的hunk實(shí)例取自數(shù)據(jù)倉(cāng)庫(kù)jEdit中文件EditPane.java的一次提交，第1236行刪除的代碼和第1214行增加的代碼是非常相似的，就是將第1236行代碼從一個(gè)If語(yǔ)法實(shí)體中移動(dòng)了出來(lái)，發(fā)生了逆向的語(yǔ)句包裹，屬于語(yǔ)句包裹模式。

1.3.2 語(yǔ)句包裹模式的識(shí)別和分類(lèi)

假設(shè)存在ha和hd分別為hunk中增加的代碼和刪除的代碼，la和ld分別為hunk中增加代碼和刪除代碼的相似部分，則pr和pl分別為la和ld的所有父節(jié)點(diǎn)，cr和cl分別為la和ld在hunk內(nèi)的所有父節(jié)點(diǎn)，mr和ml分別是la和ld父節(jié)點(diǎn)中的第一個(gè)方法節(jié)點(diǎn)，當(dāng)這次變更屬于語(yǔ)句包裹模式時(shí)，則需要滿(mǎn)足以下條件：

（1）語(yǔ)句包裹模式的候選hunk中需要存在語(yǔ)句或語(yǔ)句序列移動(dòng)到一個(gè)或多個(gè)語(yǔ)法實(shí)體中，這些移動(dòng)的語(yǔ)句或語(yǔ)句序列是相似的，所以hunk中需要存在相似部分。

（2）hunk中相似部分的父節(jié)點(diǎn)中第一個(gè)方法節(jié)點(diǎn)mr和ml的方法名是相同的。對(duì)于la和ld在hunk內(nèi)的父節(jié)點(diǎn)cr和cl，需要滿(mǎn)足一個(gè)為空集且另一個(gè)不為空集的條件，且la和ld的所有父節(jié)點(diǎn)pr和pl不能完全相同。

判斷此次變更屬于語(yǔ)句包裹模式后，當(dāng)cr不為空且cl為空時(shí)，可以判斷變更屬于正向的語(yǔ)句包裹模式，并根據(jù)語(yǔ)法實(shí)體的種類(lèi)對(duì)語(yǔ)句包裹模式進(jìn)行分類(lèi)，這里的語(yǔ)法實(shí)體就是cr的第一個(gè)節(jié)點(diǎn)。當(dāng)cl不為空且cr為空時(shí)，可以判斷為逆向的語(yǔ)句包裹模式，將cl的第一個(gè)節(jié)點(diǎn)作為語(yǔ)法實(shí)體，并根據(jù)這里的語(yǔ)法實(shí)體對(duì)語(yǔ)句包裹模式進(jìn)行分類(lèi)。

1.3.3 根據(jù)代碼相似度識(shí)別hunk中的代碼移動(dòng)

在圖2語(yǔ)句包裹模式的候選hunk中，從原版本文件中刪除的代碼是左側(cè)頁(yè)碼的第128行，代碼變更后增加的代碼是右側(cè)頁(yè)碼的第128～129行，原版本文件中第128行代碼在代碼變更后移動(dòng)到了新版本文件的第129行，這些移動(dòng)的語(yǔ)句或語(yǔ)句序列具有很高的相似度，因此要識(shí)別這樣的代碼移動(dòng)需要對(duì)變更代碼進(jìn)行相似度識(shí)別。

1.3.4 通過(guò)抽象語(yǔ)法樹(shù)識(shí)別語(yǔ)句包裹模式

從語(yǔ)句包裹模式候選hunk中找到移動(dòng)的語(yǔ)句或語(yǔ)句序列后，需要確定hunk相似部分la和ld的父節(jié)點(diǎn)pr和pl中的第一個(gè)方法節(jié)點(diǎn)mr和ml的方法名需要相同，還需要確定hunk和相似部分之間存在一個(gè)或多個(gè)語(yǔ)法實(shí)體，也就是la和ld在hunk內(nèi)的父節(jié)點(diǎn)cr和cl需要一個(gè)為空集一個(gè)不為空集，la和ld的所有父節(jié)點(diǎn)pr和pl不能完全相同。

首先獲取la和ld的行范圍ra和rd，獲取hunk增加代碼和刪除代碼ha和hd的行范圍ka和kd，遍歷代碼變更前后版本的兩個(gè)文件的語(yǔ)法樹(shù)，找到行范圍分別包含ra和rd的父節(jié)點(diǎn)pr和pl，找到行范圍位于ra和ka之間的父節(jié)點(diǎn)cr，找到行范圍位于rd和kd之間的父節(jié)點(diǎn)cl，分別從pr和pl中找到la和ld的第一個(gè)方法節(jié)點(diǎn)mr和ml，判斷mr和ml是否是同名函數(shù)節(jié)點(diǎn)，判斷cr和cl是否一個(gè)為空集、另一個(gè)不為空集，判斷pr和pl是否不完全相同，如果都滿(mǎn)足，則該代碼變更是語(yǔ)句包裹模式。

1.3.5 語(yǔ)句包裹模式識(shí)別和分類(lèi)算法

本算法輸入的是變更前后2個(gè)版本的文件filel和filer，輸出是語(yǔ)句序列移動(dòng)到的語(yǔ)法實(shí)體En和該語(yǔ)法實(shí)體的分支Eb，En=，en是filel和filer文件中的一個(gè)語(yǔ)句包裹模式變更中的語(yǔ)句或語(yǔ)句序列移動(dòng)到的語(yǔ)法實(shí)體，Eb=，eb是語(yǔ)句或語(yǔ)句序列移動(dòng)到語(yǔ)法實(shí)體en中后所位于的en的分支。

算法1 語(yǔ)句包裹模式識(shí)別算法

輸入：代碼變更前后版本兩個(gè)文件filel和filer

輸出：filel和filer文件中每一個(gè)語(yǔ)句包裹模式變更中語(yǔ)法實(shí)體en的集合En和語(yǔ)句移動(dòng)到語(yǔ)法實(shí)體后所在的分支eb的集合Eb

1（Ha，Hd）←getHunk（filel， filer）

2 （La，Ld）←getSimilarPart（Ha，Hd）

3 Ka←getHunkRange（Ha）

4 Kd←getHunkRange（Hd）

5 tl←generateAST（filel）

6 tr←generateAST（filer）

7 Ra←getSimilarPartRange（La）

8 Rd←getSimilarPartRange（Ld）

9 （Pr，Cr，Br）←ergodicAST（Ka，Ra，tr）

10 （Pl，Cl，Bl）←ergodicAST（Kd，Rd，tl）

11 for each cl∈Cl， cr∈Cr， pl∈Pl， pr∈Pr， bl∈Bl， br∈Br

12 ml←getMethodNode（pl）

13 mr←getMethodNode（pr）

14 if（isSimilarMethod（ml，mr））

15 ?if （（cl=）&&（cr≠）‖（（cl≠）&&（cr=）

16 ? if（pl≠pr）

17 [WB]if（（cl≠）&&（cr=））

18en←identifyEncapsulateNode（cl）

19eb←identifyBranch（bl）

20En←en

21Eb←eb

22 [DW]else if （（cl=）&&（cr≠））

23en←identifyEncapsulateNode（cr）

24eb←identifyBranch（br）

25En←en

26Eb←eb

27end if

28 ? end if

29 ?end if

30 ?end if

31 end for

算法第1行生成代碼變更前后版本文件的hunk集Ha和Hd，從hunk集中識(shí)別出相似部分的集合La和Ld，第3～4行得到hunk集Ha和Hd的行范圍集合Ka和Kd，第5～6行得到filel和filer的抽象語(yǔ)法樹(shù)的根節(jié)點(diǎn)tl和tr，第7～8行得到hunk的相似部分的集合La和Ld的行范圍集合Ra和Rd，第9～10行通過(guò)遍歷filer和filel的語(yǔ)法樹(shù)得到相似部分的所有父節(jié)點(diǎn)集合Pr和Pl、在hunk內(nèi)的父節(jié)點(diǎn)的集合Cr和Cl以及相似部分在父節(jié)點(diǎn)Pr和Pl中每一個(gè)節(jié)點(diǎn)的分支的集合Br和Bl，第11～13行分別找到pr和pl中相似部分的第一個(gè)滿(mǎn)足是方法節(jié)點(diǎn)的父節(jié)點(diǎn)，第14行判斷2個(gè)方法父節(jié)點(diǎn)是否滿(mǎn)足方法名不相同的條件，第15行判斷相似部分在hunk內(nèi)的父節(jié)點(diǎn)cl和cr是否滿(mǎn)足一個(gè)為空集、另一個(gè)不為空集的條件，第16～27行判斷相似部分在文件中的所有父節(jié)點(diǎn)pl和pr是否滿(mǎn)足不完全相同的條件。算法的第17～21行中，當(dāng)cl和cr滿(mǎn)足cl不為空集而cr為空集時(shí)，將cl中第一個(gè)節(jié)點(diǎn)作為語(yǔ)句包裹模式的語(yǔ)法實(shí)體存入en中，en存入En，并將該語(yǔ)法實(shí)體的相應(yīng)分支bl存入eb中，eb存入Eb。第22～31行中，當(dāng)cl為空集而cr不為空集時(shí)，將cr的第一個(gè)父節(jié)點(diǎn)作為語(yǔ)句包裹模式的語(yǔ)法實(shí)體存入en，en存入En，并將該語(yǔ)法實(shí)體的相應(yīng)分支br存入eb中，eb存入Eb。

上述算法中第9～10行使用了函數(shù)ergodicAST，下面是對(duì)函數(shù)ergodicAST的描述：函數(shù)ergodicAST的輸入為文件hunk集H的行范圍的集合K，hunk集中相似部分L的行范圍的集合R，以及文件的語(yǔ)法樹(shù)的根節(jié)點(diǎn)t。輸出為文件中相似部分集合的所有父節(jié)點(diǎn)的集合P，相似部分在hunk集內(nèi)的父節(jié)點(diǎn)的集合C，以及相似部分在父節(jié)點(diǎn)集合P中每一個(gè)節(jié)點(diǎn)的分支的集合B。

算法2 ergodicAST算法

輸入：文件hunk集H的行范圍K，相似部分集L的行范圍R以及文件的語(yǔ)法樹(shù)的根節(jié)點(diǎn)t

輸出：文件hunk集相似部分的父節(jié)點(diǎn)集合P，相似部分在hunk集內(nèi)的父節(jié)點(diǎn)集合C，相似部分在父節(jié)點(diǎn)集合P中每個(gè)節(jié)點(diǎn)的分支的集合B

1 for each k∈K，r∈R

2 N←t

3 while（N≠）

4 ?n←takeOutFirstNode（N）

5 ?p←n

6 ?rz←getNodeRange（n）

7 ?if（rrz）&&（rzk）

8 ? [WB]c←n

9 ?end if

10 Bz←getAllBranch（n）

11 ?for each bz∈Bz

12 ?[DW]Nt←getAllNode（bz）

13 ?rb←getRange（Nt）

14 ? if（rrb）

15 ? b←bz

16 ? end if

17 ? for each nc∈Nt

18rc←getNodeRange（nc）

19if（rrc）

20N←nc

21end if

22 ? end for

23 ?end for

24 end while

25 P←p

26 C←c

27 B←b

28 end for

算法第1～5行將文件語(yǔ)法樹(shù)中相似部分的第一個(gè)父節(jié)點(diǎn)存入p中，第6～9行判斷該節(jié)點(diǎn)是否也在hunk內(nèi)，如果在hunk內(nèi)就將其存入c中，第10～16行獲取n節(jié)點(diǎn)的分支集合Bz，并將包含相似部分的分支存入b中，第17～24行遍歷分支內(nèi)的節(jié)點(diǎn)，將包含相似部分的節(jié)點(diǎn)存入N，若N不為空集，則繼續(xù)遍歷文件的語(yǔ)法樹(shù)。第25～28行將p、c和b分別存入P、C和B中。

2 算法的實(shí)現(xiàn)和驗(yàn)證

本文實(shí)驗(yàn)使用了Java編程語(yǔ)言、基于文本的差異化分析工具Gnu Diff[10]以及eclipse jdt parser工具。首先使用了基于文本的差異化分析工具Gnu Differ（http：//www.gnu.org/software/diffutils）獲取代碼變更前后版本文件的代碼變更塊hunk，再使用eclipse jdt parser工具分析代碼變更前后版本文件的抽象語(yǔ)法樹(shù)。并從4個(gè)開(kāi)源項(xiàng)目中獲取了數(shù)據(jù)集用于實(shí)驗(yàn)研究。

2.1 數(shù)據(jù)獲取

本實(shí)驗(yàn)使用了從4個(gè)開(kāi)源項(xiàng)目中獲取的數(shù)據(jù)集，下面是對(duì)本實(shí)驗(yàn)使用的數(shù)據(jù)集的介紹。

（1）[JP4]開(kāi)源項(xiàng)目jEdit（http：//sourceforge.net/project/jedit），該開(kāi)源項(xiàng)目是一個(gè)跨平臺(tái)的文本編輯器。

（2）開(kāi)源項(xiàng)目eclipseJDTCore（http：//www.eclipse.org/downloads/eclipse-packages/），該開(kāi)源項(xiàng)目是一個(gè)面向Java的集成開(kāi)發(fā)環(huán)境。

（3）開(kāi)源項(xiàng)目maven（http：//maven.apache.org/），該開(kāi)源項(xiàng)目是通過(guò)信息描述來(lái)管理項(xiàng)目構(gòu)建、報(bào)告和文檔的管理工具。

（4）開(kāi)源項(xiàng)目google-guice（https：//github.com/apress/google-guice），該開(kāi)源項(xiàng)目是一個(gè)輕量級(jí)的依賴(lài)注入容器。

表1是描述了從4個(gè)開(kāi)源項(xiàng)目中獲取的數(shù)據(jù)集的項(xiàng)目名稱(chēng)、獲取時(shí)間段、提交總數(shù)、文件總數(shù)以及提交和文件的匹配數(shù)commit_file的信息。

2.2 實(shí)驗(yàn)結(jié)果及分析

本文中分別從4個(gè)開(kāi)源項(xiàng)目的數(shù)據(jù)集中人工抽取了語(yǔ)句包裹模式變更集，并使用本文算法在人工抽取的變更集上進(jìn)行了實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果見(jiàn)表2。

從實(shí)驗(yàn)結(jié)果可以看出，本文算法在人工抽取的語(yǔ)句包裹模式的變更集中的識(shí)別率在86%～90%之間波動(dòng)。

將本文算法在4個(gè)開(kāi)源項(xiàng)目的數(shù)據(jù)倉(cāng)庫(kù)中進(jìn)行實(shí)驗(yàn)驗(yàn)證后，從實(shí)驗(yàn)結(jié)果所有版本中抽取了10%進(jìn)行人工檢測(cè)，對(duì)從實(shí)驗(yàn)結(jié)果中抽取的10%進(jìn)行人工檢測(cè)后的驗(yàn)證結(jié)果見(jiàn)表3。

本文算法對(duì)4個(gè)開(kāi)源項(xiàng)目數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行了語(yǔ)句包裹模式識(shí)別，對(duì)從識(shí)別結(jié)果所有版本中抽取的10%進(jìn)行人工檢測(cè)后，檢測(cè)結(jié)果的準(zhǔn)確率在95%～98%之間波動(dòng)。

本文算法在4個(gè)開(kāi)源項(xiàng)目數(shù)據(jù)倉(cāng)庫(kù)上進(jìn)行實(shí)驗(yàn)得到實(shí)驗(yàn)結(jié)果集后，從結(jié)果集中抽取每一種語(yǔ)句包裹模式的變更版本集的10%進(jìn)行人工檢測(cè)，實(shí)驗(yàn)結(jié)果見(jiàn)表4。

對(duì)從實(shí)驗(yàn)結(jié)果集中每種語(yǔ)句包裹模式變更版本集中抽取10%并進(jìn)行人工檢測(cè)后，實(shí)驗(yàn)結(jié)果顯示準(zhǔn)確率在95%～97%之間波動(dòng)。

對(duì)人工抽取的變更集的識(shí)別率以及對(duì)從結(jié)果集中抽取實(shí)例進(jìn)行人工驗(yàn)證的準(zhǔn)確率未能達(dá)到100%的原因，在于語(yǔ)句包裹粒度較大的語(yǔ)句包裹模式變更被Gnu Diff劃分到了多個(gè)hunk中，這種情況降低了本文算法識(shí)別結(jié)果的準(zhǔn)確度，將來(lái)可以為大粒度語(yǔ)句包裹模式變更提供hunk合并功能，以提高對(duì)于這種情況的識(shí)別準(zhǔn)確率。

3 結(jié)束語(yǔ)

本文通過(guò)對(duì)代碼變更的研究，介紹了代碼變更中普遍存在的語(yǔ)句包裹模式，提出了基于代碼變更塊和抽象語(yǔ)法樹(shù)的語(yǔ)句包裹模式識(shí)別分類(lèi)算法，在4個(gè)開(kāi)源項(xiàng)目數(shù)據(jù)倉(cāng)庫(kù)上進(jìn)行實(shí)驗(yàn)驗(yàn)證后，實(shí)驗(yàn)結(jié)果證明本文算法對(duì)于語(yǔ)句包裹模式的識(shí)別具有較高的準(zhǔn)確率。對(duì)于存在代碼移動(dòng)的提煉函數(shù)（Extract Method）和提煉類(lèi)（Extract Class）等重構(gòu)模式，本文提出的基于代碼變更塊和抽象語(yǔ)法樹(shù)的算法也能對(duì)其進(jìn)行識(shí)別。在將來(lái)的研究中，需要為大粒度語(yǔ)句包裹模式變更提供hunk合并功能。并將該算法在更多數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證的基礎(chǔ)上將其用于其他重構(gòu)模式的識(shí)別。

參考文獻(xiàn)

[1] FOWLER M.Refactoring： Improving the design of existing code[M]. USA：Addison-Wesley， 1999.

[2]ZHANG Jie，WANG Xiaoyin，HAO Dan，et al. A survey on bug-report analysis[J]. Science China（Information Sciences），2015，58（2）：92.

[3]童燕翔. 基于Bug Report的降噪和缺陷定位研究[D]. 南京：南京航空航天大學(xué)，2016.

[4]ESHKEVARI L M， ARNAOUDOVA V， PENTA M D， et al. An exploratory study of identifier renamings[C]// International Working Conference on Mining Software Repositories， （MSR）. Honolulu，HI， USA：Dblp， 2011：33.

[5]KAWRYKOW D， ROBILLARD M P. Non-essential changes in version histories[C]// 2011 33rd International Conference on Software Engineering. Honolulu，HI， USA：IEEE， 2011：351.

[6]KIM S ， PAN K ， WHITEHEAD E J . Memories of bug fixes[C]// Proceedings of the 14th ACM SIGSOFT International Symposium on Foundations of Software Engineering， FSE 2006. Portland， Oregon， USA：ACM， 2006：35.

[7]原子，于莉莉，劉超. 面向細(xì)粒度源代碼變更的缺陷預(yù)測(cè)方法[J]. 軟件學(xué)報(bào)，2014，25（11）：2499.

[8]劉望舒，陳翔，顧慶，等. 一種面向軟件缺陷預(yù)測(cè)的可容忍噪聲的特征選擇框架[J]. 計(jì)算機(jī)學(xué)報(bào)，2018，41（3）：506.

[9]PAN Kai， KIM S H， WHITEHEAD E J.Toward an understanding of bug fix patterns[J].Empirical Software Engineering，2009，14（3）：286.

[10]HUNT J W， SZYMANSKI T G. A fast algorithm for computing longest common subsequences[J].Communications of the Association for Computing Machinery，1977，20（5）：350.