试析软件工程的数据挖掘技术.docVIP

试析软件工程的数据挖掘技术 　　[摘 要]在软件工程建设中，数据挖掘技术的应用，有助于提高软件工程各项数据处理速度和处理质量，从而将软件工程各项活动有效反馈，为软件工程质量提高奠定数据基础，本文则对软件工程中的数据挖掘技术分析。 　　[关键词]软件工程；数据挖掘技术；信息 　　中图分类号：TP311.13 文献标识码：A 文章编号：1009-914X（2015）44-0246-01 　　软件工程数据挖掘技术是指在海量数据库内使用已有的技术或新的数据挖掘算法，通过选取、分析、表述等一系列步骤，为软件开发者收集有价值信息的过程。为清晰掌握并管理软件开发的过程，软件开发商必须收集所需的数据，这是该行业软件开发的惯例。想要完成上述工作，必须从大量的数据内提取所需的数据信息，收集和选取信息的过程就是数据挖掘过程。目前，数据挖掘技术在软件工程中得到广泛的应用，文中以介绍数据挖掘技术的相关知识及在软件工程的应用情况。 　　一、数据挖掘操作流程 　　通常情况下，数据挖掘技术主要分为以下步骤：挑选数据、预处理、进行数据挖掘、吸收数据。数据挖掘过程具有交互性的特点，有时或许要再次选择数据或要对预处理过程进行改进，基于上述情况，进行数据挖掘时必须设计反馈环。数据挖掘的首要任务是把管理与目标反映至多个挖掘任务内，整个实现过程主要分为以下步骤。评估产品、关联属性、聚类过程、数据可视化处理[1]。软件工程数据挖掘具体操作过程均满足一般性数据挖掘技术或领域的要求，通常来说，数据挖掘过程主要包括：数据预处理、挖掘、结果评估三个部分，数据挖掘流程如图1所示。数据预处理就是把没有加工的数据转换为适应挖掘出来的形式。预处理过程牵涉各种来源、格式的数据，把非格式的数据转变为格式化数据后，选取与目前数据挖掘任务相关的记录及特征，对数据进行清洗达到消除噪声的目的。挖掘操作就是在海量数据内找出反应本质性或规律性的信息。整个挖掘过程使用一系列的算法，挖掘任务包含频繁序列、关联规则、异常检测等方面的内容[2]。结果评估是对用户展现有用的信息，难点之处为人所理解的信息与计算机理解、表达的信息由一定的差异，数据挖掘能便于人们进行理解。结果评估主要由：模式过滤、模式表示两个步骤，基于不同的设计任务，数据挖掘算法包括分类、估值与预测、聚类、异常检测等步骤。 　　二、软件工程数据挖掘技术应用现状 　　软件工程数据挖掘的操作过程与传统数据挖掘有一定的相同之处，这是数据挖掘技术的一种特殊形式，该过程主要有预处理、数据挖掘、评估结果三个环节。软件工程数据挖掘对比传统数据挖掘有自身的特殊性，其表现如下： 　　（一）数据复杂性更大 　　软件工程数据不单有软件报告及版本信息等相关的结构化数据，也包含大量的代码、注释这一类的非结构化数据。这两种不相同的数据结构无法采用同一算法展开运算，这两类数据信息又具有极为重要的联系，导致整个工程的数据复杂性明显增大。 　　（二）分析结果具有特殊性 　　传统数据挖掘得到的结果一般通过多种结果形式呈现出来，例如：报表、文字等，软件工程数据挖掘不单单要为用户提供相应的统计结果，也必须给开发软件人员提供详细具体的例子，为其设计结构提供所需的信息。所以，软件工程挖掘会对新型的数据结果提交相应的方法[3]。 　　（三）结果评价无法统一 　　传统数据挖掘技术已经形成相对成熟的评价指标，但从软件工程数据挖掘的角度来说，软件开发人员所需的信息具有复杂性、具体化的特点，相对应的表示方法也呈现多样化，彼此之前无法展开比较，就很难得出相对统一的评价结果。因此，软件工程数据挖掘的难点是在数据预处理和表述挖掘结果这两个环节，深入分析软件开发过程中出现的问题并进行有效解决尤为重要。 　　三、软件工程数据挖掘技术的改善对策 　　近些年，数据挖掘技术被广泛应用在软件工程中，在软件工程内运用数据挖掘能提升软件系统的维护效率，也在一定程度上增大系统的稳定性。 　　（一）编程中的数据挖掘 　　编程作为开发软件的重要内容，对代码进行编写时，开发者要充分理解需要编程代码的结构与功能，根据自身的理解在数据库内选出有价值的信息。通常编程需要的信息分为以下部分：①开发软件者在已有代码库中找出与需要的代码结构、功能相似的、可以重用的模式，如数据结构、对象、方法等等；②开发者能够在数据库内找到重用某模式的静态规则，例如：类的方法、继承关系等等；③开发者深入了解分析重用模式的规则，如：API调用顺序。 　　（二）开发开源软件的数据挖掘 　　开源软件是指源代码开发的软件，这一种软件是一种免费为客户提供服务的模式，这是因其免费性的原因，对开源软件的管理和控制比较困难，此时采用数据挖掘技术能提升开源软件的质量。如：牛津大学设计的数据挖掘系统，可以实时跟踪并管理系统的使用者，在