基于闭合偏序的API用法模式挖掘.pdf

摘 要 应用程序接口（Application Programming Interface ，API ）是当前软件开发中 广泛应用的模块化方法。随着软件开发市场规模的越来越大，越来越多的 API 被 开发和使用。但是，大多数 API 使用规约并没有在 API 参考文档中说明，程序 员需要从网络上搜索相关代码并甄选使用。随着大量源代码的可得和可用，从源 代码中挖掘出所需的 API 用法模式来帮助程序员实现快速高效地开发成为当前 研究的热点问题。 本文以“偏序集合”建模语句序列，从频繁闭合偏序模式挖掘角度，研究了 算法及其对 API 语料的挖掘效果。主要工作包括： （1）构建了 API 基准语料库。通过从开源项目资料库中选取带有 API 用法 示例的源文件，建立了用以比较 API 挖掘算法的基准语料库。该语料库使用代码 样例（example ）作为正例，解决了挖掘结果没有标准数据集进行对比的问题； （2 ）对基准语料库进行了预处理。将源代码表示为序列的形式，提出了基 于 N-gram 的序列相似度度量方法并对 API 方法调用序列进行层次聚类，解决了 不同使用场景之间对序列支持度的影响； （3 ）以偏序集建模源代码语句序列，提出基于分组的闭合偏序（Group based Closed Partial Order ，GCPO ）挖掘算法。从准确率、简洁性、覆盖率以及算法运 行时间几个指标对实验结果进行评价并与 CLAMS 算法、UP-Miner 算法等 5 个 算法进行了比较，充分验证了本文提出的 API 用法模式挖掘方法的实用性。 关键词：API 用法；偏序集；偏序模式；层次聚类；序列模式挖掘 III 目 录 摘 要III Abstract IV 目 录VI 1 绪论 1 1.1 API 用法模式概述 1 1.2 选题背景及研究意义 2 1.3 API 用法模式挖掘研究现状4 1.3.1 基于关联规则的挖掘方法4 1.3.2 基于序列模式的挖掘方法 5 1.3.3 基于调用图的挖掘方法7 1.4 本文主要研究内容 8 1.5 论文组织架构 10 2 相关理论与研究 11 2.1 源代码分析 11 2.1.1 动态分析技术与方法 11 2.1.2 静态分析技术与方法 12 2.2 聚类的基本理论 12 2.2.1 聚类的定义 12 2.2.2 相似性度量 12 2.2.3 层次聚类 15 2.2.4 聚类算法评价标准 16 2.3 序列模式挖掘的基本理论 16 2.3.1 序列模式挖掘的理论基础 17 2.3.2 序列模式挖掘的经典算法 17 2.3.3 闭合序列模式挖掘的经典算法20 2.4 偏序模式挖掘的基本理论 2 1 2.4.1 偏序模式挖掘的理论基础2 1 VI 2.4.2 偏序模式挖掘的算法23 2.5 本章小结 24 3 API 方法调用序列的生成及预处理25 3.1 基于抽象语法树的源代码静态分析 25 3.1.1 抽象语法树25 3.1.2 抽象语法树的构造26 3.1.3 抽象语法树的访问27 3.