基于主题的文档与代码间关联关系的提取研究

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (5): 70-76.

基于主题的文档与代码间关联关系的提取研究

许冶冰，刘超

北京航空航天大学计算机学院，北京 100191

出版日期:2013-03-01 发布日期:2013-03-14

Research on retrieval methods for traceability between Chinese documentation and source code based on LDA

XU Yebing, LIU Chao

School of Computer Science and Engineering, Beihang University, Beijing 100191, China

Online:2013-03-01 Published:2013-03-14

摘要/Abstract

摘要： 软件文档及其程序代码之间的关联性或可追踪性分析是软件分析、理解的重要基础。探讨了软件的中文文档和程序代码中蕴含的主题及其相关性。针对软件文档的章节结构和词汇空间，以及程序代码结构、标识符命名空间、注释风格等方面的特点，在LDA模型的基础上提出了一种基于主题词的软件中文文档与代码间关联关系的分析方法。该方法依据词汇的香农信息提取文本段的主题词。实验结果表明，主题词分析方法与LSI模型分析方法相比在查全率和查准率上均有2%到5%的提高。

关键词: 可追踪链, 主题模型, 隐含狄利克雷分配（LDA）, 逆向工程

Abstract: In order to establish traceability between Chinese documentations and source codes more effectively, this paper proposes one method based on LDA model. It names the topic word-based Traceability Retrieval Method（TRM） in which the topic words are extracted according to Shannon information. Experimental result shows that, compared with the LSI method, the topic word method can increase the recall and precision from 2% to 5%.

Key words: traceability recovery, topic model, Latent Dirichlet Allocation（LDA）, reverse engineering

许冶冰，刘超. 基于主题的文档与代码间关联关系的提取研究[J]. 计算机工程与应用, 2013, 49(5): 70-76.

XU Yebing, LIU Chao. Research on retrieval methods for traceability between Chinese documentation and source code based on LDA[J]. Computer Engineering and Applications, 2013, 49(5): 70-76.

[1]	郑诚，董春阳，黄夏炎. 基于BTM图卷积网络的短文本分类方法[J]. 计算机工程与应用, 2021, 57(4): 155-160.
[2]	吴迪，张梦甜，生龙，黄竹韵，顾明星. 改进在线词对主题模型的微博热点话题演化[J]. 计算机工程与应用, 2021, 57(24): 179-184.
[3]	乐德广，赵杰，龚声蓉. 基于模式切换的ARM汇编代码混淆算法[J]. 计算机工程与应用, 2021, 57(18): 122-129.
[4]	丁勇，程家桥，蒋翠清，王钊. 基于主题和关键词特征的比较文本分类方法[J]. 计算机工程与应用, 2021, 57(17): 196-202.
[5]	唐焕玲，刘艳红，郑涵，窦全胜，鲁明羽. 融合SLDA主题模型的不均衡文本分类方法[J]. 计算机工程与应用, 2021, 57(12): 144-154.
[6]	彭博远，彭冬亮，谷雨，彭俊利. 融合语义与事件特征的重大事件趋势预测[J]. 计算机工程与应用, 2020, 56(17): 173-180.
[7]	王丽苗，许青林，姜文超，符基高. 集成FM的短视频喜好率预测模型[J]. 计算机工程与应用, 2020, 56(14): 118-122.
[8]	陈泽宇，黄勃. 改进词向量模型的用户画像研究[J]. 计算机工程与应用, 2020, 56(1): 180-184.
[9]	汪岿1，费晨杰1，刘柏嵩1，2. 融合LDA的卷积神经网络主题爬虫研究[J]. 计算机工程与应用, 2019, 55(11): 123-128.
[10]	程磊，高茂庭. 结合时间加权和LDA聚类的混合推荐算法[J]. 计算机工程与应用, 2019, 55(11): 160-166.
[11]	武庆圆1，冯佳纯2，罗茂权2，何凌南3. 用户级情感预测主题模型的构建与研究[J]. 计算机工程与应用, 2018, 54(6): 123-127.
[12]	赵慧茹，林民. 融合关联规则的学术论文主题学习及表示方法[J]. 计算机工程与应用, 2018, 54(20): 159-165.
[13]	胡检华1，李平1，2. 融入用户社会关系的协同主题回归模型[J]. 计算机工程与应用, 2018, 54(19): 151-157.
[14]	胡湘杰，夏利民，王军. 基于运动模式分析的异常行为检测[J]. 计算机工程与应用, 2018, 54(16): 140-145.
[15]	李心茹，夏阳，张硕硕. 基于相似度融合和动态预测的兴趣点推荐算法[J]. 计算机工程与应用, 2018, 54(10): 105-109.