基于关联规则的软件开发推荐技术分析-软件工程专业论文.docxVIP

摘要 软件需求量的剧增以及社会化大生产要求的不断提高，使得程序员对开发工 具性能的要求越来越高。在有关软件开发工具性能的研究中，智能化是其中的一 个热点研究方向。目前软件开发工具普遍采用智能感知技术辅助用户进行开发。 然而，该技术所起的作用仅限于输入的自动补全操作，无法提供更具智能化的功 能，譬如无法预知用户下一步所需的函数信息等。个性化推荐技术可以实现预测 需求的功能，然而当前该技术主要应用于互联网领域，并没有应用到软件开发 中。 本文借鉴电子商务网站利用个性化推荐技术向用户推荐商品的做法，提出了 将个性化推荐技术应用到软件开发中的思想。软件开发工具所提供的函数或其它 资源可以看作是各式各样的“商品”，软件开发即开发者购买此类“商品”的过 程。软件开发推荐系统就是利用推荐技术辅助用户开发软件的系统。通过学习当 前各种推荐技术，并考虑到软件开发的特点，本文深入研究了关联规则在软件开 发推荐系统中的应用。针对关联规则挖掘算法 Apriori 算法存在的不足，本文从优 化交易数据库、引入推荐结果反馈因子和结合应用限定参数三个方面对其进行改 进，提出了一种改进的 Apriori 算法。然后建立了软件开发中的关联规则推荐模 型，并根据开发过程中公共代码和私有代码对用户影响的不同，提出了一种基于 加权的关联规则计算策略。 利用改进的 Apriori 算法和加权计算策略，本文以 LabVIEW 开发工具为例， 设计并实现了基于关联规则的软件开发推荐系统。测试结果表明，该推荐系统兼 顾了用户的功能性和个性化需求，能够很好地预测开发人员接下来的需求，提高 了开发者的工作效率，解决了开发工具智能化不足的问题。同时，也证明了该推 荐技术具有很高的推荐精度和良好的实用性。 在后续的研究工作中，将继续改进关联规则挖掘算法和推荐结果计算方法， 使其计算速度更快，推荐结果更加准确，以更好地辅助用户进行软件开发。 关键词：推荐系统 关联规则 软件开发 加权计算 Apriori 算法 Abstract The demand for software is increasing dramatically and the requirement for the socialized production is rising continuously, which makes the requirement of programmers for the performance of development tools become higher and higher. Intelligence is one of the research focuses of the software development tools performance. Nowadays, software development tools use intellisense technology commonly to aid users to develop software. However, the role played by this technology is limited to input auto-completion, which cannot provide more intelligent features. For example, it cannot predict which function user will need in the next step. Personalized recommendation technology can forecast demand well, which is mainly used in the field of Internet but not applied to software development yet. The way that e-commerce sites use the personalized recommendation technology to predict goods for users is studied in this paper, and the idea of applying recommendation technology to software development is proposed here. Those functions or other resources which supplied by software development tools can be treated as various goods, and developing