蔡斌

摘要

信息時(shí)代背景下，計(jì)算機(jī)技術(shù)等現(xiàn)代信息技術(shù)在社會(huì)各個(gè)行業(yè)、領(lǐng)域，得到了越來越廣泛且深入的應(yīng)用，極大提高人們信息處理效率，方便人們工作、生活的同時(shí)，對(duì)于數(shù)據(jù)挖掘技術(shù)的科學(xué)應(yīng)用，提出了更高、更新的要求。信息時(shí)代背景下，數(shù)據(jù)挖掘技術(shù)表現(xiàn)出廣闊的應(yīng)用前景，是快速處理海量信息的技術(shù)基礎(chǔ)。筆者即從數(shù)據(jù)挖掘技術(shù)入手，就其在軟件工程中的應(yīng)用，發(fā)表幾點(diǎn)看法，以供相關(guān)人員參考。

【關(guān)鍵詞】數(shù)據(jù)挖掘技術(shù) 軟件工程 應(yīng)用

本文即圍繞數(shù)據(jù)挖掘技術(shù)，就其在軟件工程中的具體應(yīng)用，進(jìn)行了分析和探討，具體內(nèi)容如下：

1 數(shù)據(jù)挖掘技術(shù)概述

數(shù)據(jù)挖掘（Data mining），也稱為數(shù)據(jù)采礦，是數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)的一個(gè)基礎(chǔ)環(huán)節(jié)，是在海量數(shù)據(jù)中自動(dòng)完成隱藏特殊關(guān)系數(shù)據(jù)搜索的過程，數(shù)據(jù)挖掘技術(shù)就是這一過程應(yīng)用的相關(guān)技術(shù)。一般來說，數(shù)據(jù)挖掘過程可以分為四個(gè)環(huán)節(jié)進(jìn)行，分別是選擇軟件庫保存的數(shù)據(jù)、完成選擇數(shù)據(jù)的預(yù)處理、對(duì)預(yù)處理得到的格式化數(shù)據(jù)進(jìn)行挖掘、以及最終獲得目標(biāo)數(shù)據(jù)。

軟件工程是數(shù)據(jù)挖掘技術(shù)的重要應(yīng)用領(lǐng)域，具體的數(shù)據(jù)挖掘工作普遍分為三個(gè)層次進(jìn)行，分別是交互式可視數(shù)據(jù)探查、自動(dòng)模式提取和建構(gòu)模型。三個(gè)層次之間存在著直接的關(guān)聯(lián)聯(lián)系，其中可視數(shù)據(jù)探查是后兩者的基礎(chǔ)，而建構(gòu)模型又是前兩者的指導(dǎo)。

軟件工程領(lǐng)域應(yīng)用數(shù)據(jù)挖掘技術(shù)的目的，主要是借助聚類、分析、預(yù)測(cè)、統(tǒng)計(jì)等技術(shù)手段，在海量數(shù)據(jù)資源中快速分辨、尋找符合人們應(yīng)用需求的數(shù)據(jù)信息，并自動(dòng)將檢索到的信息反饋至軟件系統(tǒng)。此外，為保障數(shù)據(jù)挖掘的科學(xué)性和有效性，數(shù)據(jù)源還應(yīng)盡可能達(dá)到龐大、真實(shí)的要求。

2 數(shù)據(jù)挖掘技術(shù)的應(yīng)用分析

2.1 開源軟件開發(fā)中的應(yīng)用分析

所謂開源軟件，就是源代碼處于開放狀態(tài)的軟件，一般來說，開源軟件普遍對(duì)客戶免費(fèi)開放，也正由于開源軟件的這一特性，導(dǎo)致對(duì)開源軟件的管理和控制變得相對(duì)困難。在這種環(huán)境背景下，在開源軟件開發(fā)階段引入數(shù)據(jù)挖掘技術(shù)，可有效提高開源軟件的開發(fā)質(zhì)量。以大阪大學(xué)設(shè)計(jì)的分布式數(shù)據(jù)挖掘系統(tǒng)為例，該系統(tǒng)就可以在實(shí)現(xiàn)大規(guī)模系統(tǒng)挖掘的同時(shí)，完成對(duì)不同開源軟件的挖掘;再以牛津大學(xué)設(shè)計(jì)的數(shù)據(jù)挖掘系統(tǒng)為例，該系統(tǒng)實(shí)現(xiàn)了系統(tǒng)開發(fā)者和使用者的持續(xù)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(xiàng)目管理中的應(yīng)用分析

數(shù)據(jù)挖掘技術(shù)在軟件項(xiàng)目管理中的應(yīng)用，主要表現(xiàn)在以下兩個(gè)方面：

（1）版本控制信息挖掘包含的對(duì)組織關(guān)系的挖掘;

（2）對(duì)版本控制信息的挖掘。

就軟件項(xiàng)目管理而言，其本身具有鮮明的系統(tǒng)性和復(fù)雜性特征，對(duì)組織關(guān)系的挖掘，是實(shí)現(xiàn)各類資源科學(xué)分配和協(xié)調(diào)的重要前提。以整個(gè)軟件項(xiàng)目管理過程中產(chǎn)生的電子郵件、共享文檔為例，對(duì)此進(jìn)行數(shù)據(jù)挖掘就可以有效區(qū)分不同工種人員的組織關(guān)系，避免秩序混亂問題的發(fā)生，從而保障軟件項(xiàng)目管理工作的順利進(jìn)行。

另一方面，版本控制可以實(shí)現(xiàn)對(duì)文件內(nèi)容變化的詳細(xì)記錄，并作為用戶了解版本修訂情況的依據(jù)和基礎(chǔ)。針對(duì)版本控制信息應(yīng)用數(shù)據(jù)挖掘技術(shù)可進(jìn)一步降低系統(tǒng)維護(hù)成本，同時(shí)可起到一定的警示作用，及時(shí)反映系統(tǒng)修復(fù)記錄中存在的紕漏，最終達(dá)到提高軟件項(xiàng)目管理水平的目的。

2.3 程序代碼中的應(yīng)用分析

本文涉及的程序代碼，主要是指克隆代碼，即通過簡(jiǎn)單的“復(fù)制、粘貼”操作獲得并再次進(jìn)行使用的代碼。數(shù)據(jù)挖掘在克隆代碼檢測(cè)中的應(yīng)用，是數(shù)據(jù)挖掘技術(shù)應(yīng)用的早期形式之一，目前應(yīng)用較為普遍的方法包括基于標(biāo)識(shí)符對(duì)比方法、基于文本對(duì)比方法等幾類。總的來說，數(shù)據(jù)挖掘在克隆代碼檢測(cè)中的應(yīng)用還有待進(jìn)一步的發(fā)展和完善，尤其是關(guān)于語法信息和語義挖掘的考慮，以提高檢測(cè)的科學(xué)性和準(zhǔn)確性。

對(duì)橫切關(guān)注點(diǎn)進(jìn)行挖掘，也是數(shù)據(jù)挖掘技術(shù)的重要應(yīng)用，主要是由于部分關(guān)注點(diǎn)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(dǎo)致的。目前，應(yīng)用于Aspect的挖掘方法眾多，根據(jù)不同方法的具體特點(diǎn)，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(duì)執(zhí)行模式進(jìn)行數(shù)據(jù)挖掘時(shí)，應(yīng)優(yōu)先選擇方法執(zhí)行關(guān)系挖掘和形式概念分析法兩種方法。

此外，數(shù)據(jù)挖掘技術(shù)還可用于對(duì)數(shù)據(jù)庫目標(biāo)構(gòu)件或代碼的挖掘應(yīng)用，在數(shù)據(jù)挖掘技術(shù)的支持下，可大幅度提高檢索速度、效率和準(zhǔn)確度。

2.4 故障檢測(cè)中的應(yīng)用分析

從故障檢測(cè)的角度分析，對(duì)程序執(zhí)行記錄進(jìn)行數(shù)據(jù)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(cè)的依據(jù)。

對(duì)程序說明的數(shù)據(jù)挖掘過程，就是對(duì)信息的跟蹤和逆向建模的過程，該過程對(duì)于加深對(duì)程序的理解，以及優(yōu)化程序后續(xù)的維護(hù)管理，具有重要的作用和意義。目前，基于規(guī)則的挖掘方法是應(yīng)用較為普遍的方法，其主要通過對(duì)程序行為的挖掘發(fā)現(xiàn)對(duì)應(yīng)的規(guī)則，進(jìn)而借助時(shí)態(tài)邏輯完成表達(dá)。

3 數(shù)據(jù)挖掘技術(shù)的主要應(yīng)用方法

3.1 分類

數(shù)據(jù)挖掘技術(shù)涉及的相關(guān)分類方法，大致等同于某種預(yù)測(cè)分類標(biāo)號(hào)的執(zhí)行動(dòng)作。在實(shí)際應(yīng)用過程中，通常需要建構(gòu)相應(yīng)的分析模型，并提前根據(jù)相應(yīng)規(guī)則輸入概念集或數(shù)據(jù)類集，以作為分析模型的應(yīng)用基礎(chǔ)。

目前，數(shù)據(jù)挖掘技術(shù)應(yīng)用于軟件工程領(lǐng)域的分類方法中，主要的分類方法包括神經(jīng)網(wǎng)絡(luò)分類法、判斷樹法、貝葉斯分類法、以及支持向量機(jī)等幾類。其中，判斷樹法在分類計(jì)算過程中主要借助貪心算法作為邏輯基礎(chǔ)，根據(jù)從上而下遞歸的模式完成判定樹的構(gòu)造，而判定樹包含的各個(gè)子節(jié)點(diǎn)，就分別表示不同的軟件類別標(biāo)號(hào)。

3.2 聚類

聚類具體是指將研究涉及的大量數(shù)據(jù)，按照一定標(biāo)準(zhǔn)細(xì)分為不同簇或類的過程，從而在保障相同簇的對(duì)象之間擁有較好相似度的同時(shí)，不同的簇的對(duì)象之間有著較明顯的差異度。聚類和分類有著本質(zhì)上的差異，聚類過程劃分的類對(duì)象具有不可預(yù)知性，即無指導(dǎo)的學(xué)習(xí)方法。聚類分析方法在其他算法的預(yù)處理范疇中有著大范圍的應(yīng)用，尤其在數(shù)據(jù)分布信息獨(dú)立性分析方面有重要應(yīng)用，不僅可更好地挖掘孤立點(diǎn)，同時(shí)可提高欺詐行為檢測(cè)的效率和準(zhǔn)確性。

4 結(jié)語

綜上所述，信息時(shí)代背景下，數(shù)據(jù)挖掘技術(shù)是快速處理海量信息、準(zhǔn)確尋找目標(biāo)信息的關(guān)鍵。就軟件工程而言，數(shù)據(jù)挖掘技術(shù)在開源軟件開發(fā)、軟件項(xiàng)目管理、程序代碼、以及故障檢測(cè)等方面，均有著重要的應(yīng)用，相關(guān)人員必須提高對(duì)數(shù)據(jù)挖掘技術(shù)的重視和關(guān)注，切實(shí)加強(qiáng)數(shù)據(jù)挖掘技術(shù)的實(shí)際應(yīng)用，以促進(jìn)我國(guó)軟件工程行業(yè)的進(jìn)一步發(fā)展。

參考文獻(xiàn)

[1]張佳新.數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用探究[J].電腦編程技巧與維護(hù)，2018（04）：88-89，114.

[2]阮弘毅.軟件工程數(shù)據(jù)挖掘技術(shù)應(yīng)用研究[J].數(shù)碼世界，2018（02）：126.