声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：王继娜,陈军华,高建华,
关键词：代码异味, 随机森林, 排序损失, 集成分类器链, 多标签分类,
代码异味是由糟糕的代码或设计问题引起的一种软件特征，严重影响了软件系统的可靠性和可维护性.在软件系统中，一段代码元素可能同时受到多种代码异味的影响，使得软件质量明显下降.多标签分类适用该情况，将高共现的多个代码异味置于同一标签组，可以更好地考虑代码异味的相关性，但现有的多标签代码异味检测方法未考虑同一段代码元素中多种代码异味检测顺序的影响.对此，提出了一种基于排序损失的集成分类器链(ensembleofclassifierchains,ECC)多标签代码异味检测方法，该方法选择随机森林作为基础分类器并采取多次迭代ECC的方式，以排序损失最小化为目标，选择一个较优的标签序列集，优化代码异味检测顺序问题，模拟其生成机理，检测一段代码元素是否同时存在长方法-长参数列表、复杂类-消息链或消息链-过大类这3组代码异味.实验采用9个评价指标，结果表明所提出的检测方法优于现有的多标签代码异味检测方法，F1平均值达97.16%.
来源：2021年第1期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。