基于改进向量空间模型的克隆群映射方法

陈桌 张丽萍 王欢 张久杰 王春晖

摘要：针对Type3克隆代码映射方法少且效率低等问题，提出了一种基于改进向量空间模型（VSM）的映射方法。该方法将改进的VSM引入到克隆代码分析中，从而得到一种可有效映射Type1、Type2以及Type3克隆代码的克隆群映射方法。首先，将克隆群文档预处理得到去除无用词的代码文档，同时提取克隆群文档的文件名、函数名等特征项；其次，提取并构建克隆群词频向量空间，利用余弦算法计算出克隆群相似度；然后，通过克隆群相似度和特征项的匹配构建克隆群映射，最终得到克隆群映射结果。对5款开源软件进行实验并人工验证，所提方法能在低时耗的前提下，保证查全率和查准率均不低于96.1%和97.1%。实验结果表明了所提方法的可行性，为后期软件演化分析提供数据支撑。

关键词：

克隆代码；克隆群映射；向量空间模型；特征项；词频

中图分类号： TP311.5 文献标志码：A

0引言

在软件开发和维护过程中，开发人员经常采用复制粘贴的方式修改代码，导致重复的代码片段出现，即克隆代码[1]。以前的研究[2]已经表明，一个软件系统中会有9%～15%的克隆代码，有时甚至高达50%以上，相同或相似的代码会增加软件的维护费用。例如，如果一个bug在代码片段中被检测出来，所有和它相似的片段都应该被调查，检查相同的错误，加强或调整这些代码。所以对系统版本中的克隆进行追踪非常有意义。

相邻版本间的克隆群映射是研究克隆代码演化[3]工作的关键步骤，克隆演化研究关注的是一段克隆代码在软件多个版本中的变化情况，而克隆群映射是整个演化过程的纽带。……