基于深度学习的软件重构预测评估方法

打开文本图片集

文章编号：1008-1542（2024）06-0636-07

摘  要：

为了解决当前软件重构领域深度学习模型预测性能研究的不足，提出了一种基于深度学习的软件重构预测评估方法，以评估深度学习模型的重构预测性能。首先，采用静态分析工具从303个Java项目中收集重构和非重构标签实例，针对提取类、提取子类、提取超类、提取接口、移动类、重命名类以及移动和重命名类7种重构操作构建了7个由源代码度量组成的数据集；其次，搭建卷积神经网络模型、长短期记忆网络模型、门控循环单元模型、多层感知机、自编码器在数据集上进行训练和测试；最后，根据每个模型的准确率、查准率、查全率和F1值对模型进行评估。（剩余13347字）