代码异味检测的图神经网络模型架构改进.docxVIP

代码异味检测的图神经网络模型架构改进

一、引言

代码异味是指代码中存在的、虽不直接引发程序运行错误，但会降低代码可维护性、可扩展性与可读性的设计或实现问题，常见类型包括长方法、上帝类、循环依赖、重复代码等。这些异味会在软件迭代过程中持续积累，不仅增加后续开发与维护的时间成本，还可能诱发潜在的程序故障，严重影响软件的生命周期（Martin，2009）。传统的代码异味检测方法主要分为两类：一类是基于规则引擎的检测，依赖领域专家手动定义规则匹配代码模式，但规则覆盖范围有限，对复杂代码场景的适应性差，且难以跟进代码的快速演化；另一类是基于传统机器学习的检测，如支持向量机、随机森林等，依赖人工提取的代码