一种通过代码质量评估预测开源软件维护工作量的方法

摘要

本发明涉及一种通过代码质量评估预测开源软件维护工作量的方法，首先获取所有表征开源软件代码质量的指标，然后引入方差膨胀因子去除关联度较大的指标，得到可用指标集合；对用指标集合中可用指标进行线性回归分析，得到开源软件的维护工作量与可用指标之间的函数关系式，利用该关系式即可预测开源软件的维护工作量。该方法中表征开源软件代码质量的指标容易获得，预测结果精准，适合大范围推广。

主权项

一种通过代码质量评估预测开源软件维护工作量的方法，其特征在于：包括如下步骤：S1：获取所有表征开源软件代码质量的指标，设所有指标构成指标集合，该指标集合中共有Q个元素，q_j为指标集合的元素，表示指标集合中第j个指标；S2：去掉指标集合中关联度高的指标，方法如下：1)设j＝1；2)根据公式(4)计算指标q_j与指标集合中其他Q‑1个指标的方差膨胀因子VIF_j；${\mathrm{VIF}}_j=\frac{1}{{\mathrm{TOL}}_j}=\frac{1}{1-R_j^2}---\left(4\right);$$R_j=\overline{q_j}-\frac{\underset{j=1}{\overset{Q}{\Sigma }}\overline{q_j}-\overline{q_j}}{Q-1}---\left(5\right);$其中，R_j表示第j个指标和指标集合中其余指标的关联系数，表示指标q_j的值；3)判断方差膨胀因子VIF_j与10之间的关系，如果VIF_j>10，则指标q_j为待去除指标，否则为可用指标；4)令j＝j+1；5)如果j≤Q，则返回步骤2)，否则将所有待去除指标放入待去除指标集合中，将所有可用指标放入可用指标集合中，并执行下一步；6)待去除指标集合共有B个元素，b_f为待去除指标集合的元素，表示待去除指标集中第f个待去除指标；判断待去除指标集中的元素数量是否为0，如果为0，则执行步骤16)，否则执行下一步；7)令f＝1；8)根据公式(6)计算待去除指标b_f与待去除指标集合中B‑1个待去除指标的方差膨胀因子VIF_f：${\mathrm{VIF}}_f=\frac{1}{{\mathrm{TOL}}_f}=\frac{1}{1-R_f^2}---\left(6\right);$$R_f=\overline{b_f}-\frac{\underset{f=1}{\overset{B}{\Sigma }}\overline{b_f}-\overline{b_f}}{B-1}---\left(7\right);$其中，R_f表示第f个待去除指标和待去除指标集合中其余待去除指标的关联系数，表示待去除指标b_f的值；9)判断方差膨胀因子VIF_f与10之间的关系，如果VIF_f>10，则执行步骤11)；否则将待去除指标b_f标为待移动，执行下一步；10)令f＝f+1，11)f≤Q，则返回步骤8)，否则执行下一步；12)判断标记为待移动的待去除指标的数量是否为0，如果为0则执行步骤15)，否则执行下一步；13)将所有标记为待移动的待去除指标移入可用指标集合，更新待去除指标集合和可用指标集合的元素，同时更新待去除指标集中元素的个数，执行下一步；14)判断当前待移除指标集合中的元素数量是否为0，如果为0，执行步骤16)，否则返回步骤7)；15)去除当前待去除指标集合中的所有待去除指标，并执行下一步；16)输出当前可用指标集合；S3：设可用指标集合共有P个元素，p_i为可用指标集合的元素，表示可用指标集合中第i个可用指标，对可用指标集合中P个可用指标进行回归分析，得到开源软件的维护工作量与可用指标的回归估计式：1)获取时间段T内每个时间点t开源软件的维护工作量y_t；2)然后以时间点t为横坐标，以开源软件的维护工作量y_t为纵坐标绘图，得到一条折线；3)将上述折线采用式(8)的形式表达：y＝A₁p₁+A₂p₂+A₃p₃+...+A_kp_i+E        (8)；4)采用线性回归方法，通过时间段T内的时间点t和时间点t对应的开源软件的维护工作量y_t求得式(8)中的系数A₁,A₂,A₂,...,A_k和E；S4：根据得到式(8)，在得知可用指标p_i后，即可预测该开源软件的维护工作量y。