基于深度學習的軟件重構預測評估方法

打開文本圖片集

文章編號：1008-1542（2024）06-0636-07

摘  要：

為了解決當前軟件重構領域深度學習模型預測性能研究的不足，提出了一種基于深度學習的軟件重構預測評估方法，以評估深度學習模型的重構預測性能。首先，采用靜態(tài)分析工具從303個Java項目中收集重構和非重構標簽實例，針對提取類、提取子類、提取超類、提取接口、移動類、重命名類以及移動和重命名類7種重構操作構建了7個由源代碼度量組成的數(shù)據(jù)集；其次，搭建卷積神經(jīng)網(wǎng)絡模型、長短期記憶網(wǎng)絡模型、門控循環(huán)單元模型、多層感知機、自編碼器在數(shù)據(jù)集上進行訓練和測試；最后，根據(jù)每個模型的準確率、查準率、查全率和F1值對模型進行評估。（剩余13347字）