李佳

【摘? 要】 文章詳細(xì)探討了數(shù)據(jù)挖掘在軟件工程領(lǐng)域中程序代碼克隆、文本分析挖掘、代碼構(gòu)件挖掘、軟件故障檢測和數(shù)據(jù)程序切片等方面的應(yīng)用。數(shù)據(jù)挖掘可以對源代碼進行深入理解和分析，以及構(gòu)建有效的軟件開發(fā)方案，實現(xiàn)快速準(zhǔn)確的進度安排?？偠灾?，無論是在代碼克隆、文本分析、代碼構(gòu)件挖掘、軟件故障檢測還是數(shù)據(jù)程序切片中，數(shù)據(jù)挖掘技術(shù)都發(fā)揮了重要的作用，提升了軟件開發(fā)的效率和質(zhì)量，是軟件工程實踐中不可或缺的一部分。

【關(guān)鍵詞】 軟件工程；數(shù)據(jù)挖掘；技術(shù)實踐

數(shù)據(jù)挖掘技術(shù)（Data Mining，簡稱DM），代表從海量雜亂無章的數(shù)據(jù)中，發(fā)現(xiàn)新穎的、有價值的、模糊的潛在可利用信息的過程。其涉及對數(shù)據(jù)庫中的大量數(shù)據(jù)進行抽取，轉(zhuǎn)換，分析以及模型化處理，從中提取輔助決策的關(guān)鍵性數(shù)據(jù)，數(shù)據(jù)挖掘可以幫助決策者尋找規(guī)律，發(fā)現(xiàn)被忽略的要素，預(yù)測趨勢，進行決策，是對數(shù)據(jù)內(nèi)在和本質(zhì)的高度抽象與概括，也是對數(shù)據(jù)從理性認(rèn)識到感性認(rèn)識的升華。數(shù)據(jù)挖掘技術(shù)主要包括分類技術(shù)、聚類技術(shù)和關(guān)聯(lián)規(guī)則。分類是一種重要的數(shù)據(jù)分析方法，通過掃描數(shù)據(jù)，再根據(jù)不同的特征將數(shù)據(jù)劃分為不同的類；聚類分析就是將數(shù)據(jù)對象劃分為不同子集的過程，每一個子集都是一個簇，簇中的對象特征相似，并且和其他簇中的對象不相似；關(guān)聯(lián)分析其實就是關(guān)聯(lián)規(guī)則挖掘其在大量雜亂無章的數(shù)據(jù)中，通過分類、整合與分析找到其中的聯(lián)系或關(guān)聯(lián)。對數(shù)據(jù)挖掘模型的一般步驟主要包括：定義問題、建立數(shù)據(jù)庫、準(zhǔn)備數(shù)據(jù)、過濾數(shù)據(jù)、輸入數(shù)據(jù)、分析數(shù)據(jù)、建立模型、評估模型和得出結(jié)論。

計算機軟件工程中的數(shù)據(jù)挖掘技術(shù)主要包括源代碼開發(fā)、軟件管理信息、程序代碼和軟件故障檢測等環(huán)節(jié)。在計算機軟件工程領(lǐng)域，應(yīng)用數(shù)據(jù)挖掘技術(shù)可以提高對數(shù)據(jù)信息的理解正確率、提升數(shù)據(jù)處理質(zhì)量并增加信息利用率，還可幫助軟件開發(fā)人員提高工作效率，提升軟件質(zhì)量，并在軟件運行出現(xiàn)問題時提供有效的解決方案。

一、源代碼開發(fā)中的數(shù)據(jù)挖掘

數(shù)據(jù)挖掘已成為計算機軟件工程領(lǐng)域源代碼開發(fā)過程中的一種重要技術(shù)，其目標(biāo)是根據(jù)軟件開發(fā)的需求和目標(biāo)，對源代碼進行深度分析和理解，以提升軟件開發(fā)的效率和質(zhì)量。源代碼開發(fā)需要對項目進行細(xì)分，并理解其應(yīng)用范圍、標(biāo)準(zhǔn)和執(zhí)行路徑等核心要素。數(shù)據(jù)挖掘技術(shù)通過挖掘源代碼中的隱藏信息，可幫助工程師更好地理解和掌握這些要素。數(shù)據(jù)挖掘技術(shù)提供了各種不同的方法幫助項目構(gòu)建專業(yè)的數(shù)據(jù)系統(tǒng)用于源代碼的分析、提取和建模?；跀?shù)據(jù)挖掘技術(shù)開發(fā)的系統(tǒng)能夠處理大規(guī)模的開發(fā)任務(wù)，而且當(dāng)面對那些含有多項具體應(yīng)用功能的軟件系統(tǒng)時，它能夠展示出強大的應(yīng)用價值。例如，開發(fā)團隊可以從舊的代碼庫中提取出成功的設(shè)計模式，并將其應(yīng)用到新的項目中。

二、軟件管理信息中的數(shù)據(jù)挖掘

數(shù)據(jù)挖掘的應(yīng)用對提升項目管理的效率和質(zhì)量具有重要的作用。由于軟件開發(fā)和管理過程中涉及的數(shù)據(jù)量大且復(fù)雜度高，數(shù)據(jù)挖掘技術(shù)可以幫助項目有效地整理和規(guī)范這些信息，提升信息流動和使用的效率。

在人員信息方面，開發(fā)團隊需要進行高效地協(xié)作，并及時有效地交換開發(fā)進度、任務(wù)分配等信息。數(shù)據(jù)挖掘技術(shù)可以幫助人們從大量信息中提取和分析出關(guān)鍵信息，以支持團隊的協(xié)作和決策。例如，開發(fā)人員可以根據(jù)自己的工作需求，在電子郵件、文檔和表格等數(shù)據(jù)中，快速準(zhǔn)確地找到與其工作相關(guān)的信息，避免開發(fā)過程的混亂和效率低下。同時，數(shù)據(jù)挖掘技術(shù)的應(yīng)用也能夠幫助項目更好地識別和管理軟件的各個版本，從而提升后續(xù)的維護能力。

隨著軟件功能的完善和漏洞的修復(fù)，軟件的版本信息會不斷變化，數(shù)據(jù)挖掘技術(shù)可以快速定位找到版本的各種信息，如版本號、更新時間、更新內(nèi)容以及修復(fù)記錄等。軟件項目信息可以被組織和展示出來，使開發(fā)人員可以更全面地了解軟件系統(tǒng)，從而在實際開發(fā)中避免出現(xiàn)BUG。

三、程序代碼中的數(shù)據(jù)挖掘

（一）克隆程序代碼

現(xiàn)階段，數(shù)據(jù)挖掘技術(shù)已被廣泛應(yīng)用于開發(fā)過程中進行代碼克隆。在實際項目開發(fā)過程中，大量的程序代碼具有相似的邏輯構(gòu)成，用代碼根據(jù)自身項目進行克隆可以大幅度節(jié)省開發(fā)時間和程序員工作內(nèi)容。

克隆程序代碼的過程并不是簡單地復(fù)制和粘貼，項目中需要確保復(fù)制的代碼符合軟件工程的實踐要求，為提高克隆程序代碼的準(zhǔn)確性，需要在數(shù)據(jù)挖掘過程中強化各種數(shù)據(jù)檢測流程和標(biāo)準(zhǔn)。例如，在原有挖掘基礎(chǔ)上，可以增加數(shù)據(jù)識別標(biāo)志或者程序語言索引等，以提高數(shù)據(jù)挖掘的效果。數(shù)據(jù)挖掘技術(shù)在克隆程序代碼中最關(guān)鍵的步驟是對源代碼進行深入理解和分析，包括被提取代碼的屬性、特征和標(biāo)準(zhǔn)等信息。為此，通過數(shù)據(jù)挖掘技術(shù)分析這些信息，構(gòu)建一個能夠自動進行代碼掃描和復(fù)制的克隆系統(tǒng)，可以快速掃描大量的源代碼，識別并提取出符合特定特征的代碼放入項目使用。

（二）文本分析挖掘

每種語言的計算機程序代碼都以其特有的文本形式呈現(xiàn)，為數(shù)據(jù)挖掘提供了不同的應(yīng)用場景?，F(xiàn)階段數(shù)據(jù)挖掘在文本分析挖掘方面研究非常深入，已經(jīng)可以幫助項目深入理解和掌握代碼的內(nèi)在結(jié)構(gòu)和邏輯，從而提升軟件開發(fā)的效率和質(zhì)量。數(shù)據(jù)挖掘運用于文本分析挖掘需要明確目標(biāo)是從大量的數(shù)據(jù)中發(fā)現(xiàn)有價值的信息和知識。

程序代碼信息主要包括代碼的語言結(jié)構(gòu)、類型、功能等特征。因此，進行文本數(shù)據(jù)挖掘時要建立關(guān)注點并將作為程序代碼的重要標(biāo)記，以幫助項目定位和理解代碼中的關(guān)鍵部分，從而確定數(shù)據(jù)挖掘的目標(biāo)，從而更精準(zhǔn)地進行數(shù)據(jù)處理。對每個不同類型項目需求可以選擇合適的數(shù)據(jù)挖掘技術(shù)來處理這些代碼文本。

考慮到代碼文本存在的各種差異性，需要根據(jù)具體的情境和需求來選擇最合適的數(shù)據(jù)挖掘技術(shù)。例如，當(dāng)代碼文本內(nèi)容存在較高的耦合性時就可以選擇使用聚類技術(shù)。對數(shù)據(jù)的高維度、復(fù)雜度、噪聲等問題。需要采取有效的策略進行處理。如可以通過降維技術(shù)來處理高維度的數(shù)據(jù)，通過數(shù)據(jù)清洗和預(yù)處理技術(shù)來處理復(fù)雜和噪聲數(shù)據(jù)。

（三）代碼構(gòu)件挖掘

數(shù)據(jù)挖掘技術(shù)可幫助項目快速提取和理解代碼的關(guān)鍵結(jié)構(gòu)和邏輯，從而提高軟件開發(fā)的效率和質(zhì)量。代碼構(gòu)件是一種對程序代碼的結(jié)構(gòu)進行檢索的模式。在計算機程序編輯中，程序代碼主要為字符格式。因此，項目可以根據(jù)代碼構(gòu)件建立代碼關(guān)鍵詞檢索功能，幫助人們快速定位到代碼的關(guān)鍵部分，從而進行深入分析和理解。

為實現(xiàn)代碼構(gòu)件的提取和掌握，可通過數(shù)據(jù)挖掘技術(shù)對代碼中檢索到的代碼關(guān)鍵字進行分析，了解具體代碼程序的編輯邏輯結(jié)構(gòu)，并使用的計算機程序語言，以及軟件工程師對代碼的注釋等，從復(fù)雜的代碼中提取出有價值的信息，從而進行有效的代碼構(gòu)件挖掘。

實際上現(xiàn)有各種搜索引擎，如百度、谷歌等已經(jīng)具備了數(shù)據(jù)挖掘規(guī)則和方法。用戶只需要掌握一些關(guān)鍵字，或者對檢索目標(biāo)有一定的了解，就能通過數(shù)據(jù)挖掘獲取更多的相關(guān)軟件內(nèi)容。這不僅提高了用戶的檢索效率，也為用戶提供了更多的信息和知識。

四、軟件故障檢測中的數(shù)據(jù)挖掘應(yīng)用

（一）數(shù)據(jù)逆向建模

數(shù)據(jù)逆向建模是一種有效的軟件故障檢測方法。通過對故障程序進行深入的數(shù)據(jù)分析和挖掘可以更準(zhǔn)確地定位故障的根源，從而提高軟件的穩(wěn)定性和可靠性。在軟件工程的日常實踐中，故障檢測是一項關(guān)鍵任務(wù)，而數(shù)據(jù)挖掘技術(shù)則為故障檢測提供了強有力的工具。

數(shù)據(jù)逆向建模是一種獨特的數(shù)據(jù)處理方法，它與傳統(tǒng)的計算機建模邏輯思路相反。在傳統(tǒng)的建模中通常是基于軟件程序數(shù)據(jù)，通過邏輯關(guān)系建立模型，最終得到建模結(jié)果。而在逆向建模中是以軟件故障為對象，通過數(shù)據(jù)挖掘技術(shù)對故障進行全面分析，從數(shù)據(jù)程序的角度找到故障的根源并予以修復(fù)。

在軟件故障檢測中，數(shù)據(jù)逆向建模的主要步驟如下：首先，定義故障檢測的目標(biāo)，即確定需要解決的故障類型和范圍；其次，收集和預(yù)處理與故障相關(guān)的數(shù)據(jù)，這可能包括故障代碼、運行日志、用戶反饋等；再次，利用數(shù)據(jù)挖掘技術(shù)對這些數(shù)據(jù)進行深入分析，找出故障的可能原因和規(guī)律；最后，根據(jù)分析結(jié)果，對故障進行定位和修復(fù)。

（二）數(shù)據(jù)程序切片

對大型復(fù)雜的軟件系統(tǒng)開發(fā)項目需要經(jīng)常使用數(shù)據(jù)挖掘技術(shù)來定位和修復(fù)錯誤。數(shù)據(jù)程序切片，是指將復(fù)雜的軟件系統(tǒng)切分為多個獨立的程序單元，以便對每一個單元進行單獨的分析和處理。這一過程能夠幫助人們更加直觀地理解和定位軟件故障，從而提高故障檢測和修復(fù)的效率。在實際操作中，數(shù)據(jù)程序切片首先需要確定一個合理的切片標(biāo)準(zhǔn)，即如何劃分程序單元。這通常需要根據(jù)程序的特性和故障類型來確定。例如，一個軟件系統(tǒng)的故障主要出現(xiàn)在某些特定功能模塊，就可以以功能模塊作為切片的單位。然后利用數(shù)據(jù)挖掘技術(shù)深入分析每個程序單元的執(zhí)行情況、檢查代碼質(zhì)量、尋找可能的故障原因等。在這個過程中，可以利用關(guān)聯(lián)挖掘、分類、聚類等數(shù)據(jù)挖掘方法更好地定位和處理數(shù)據(jù)。隨后再對整個系統(tǒng)進行測試以驗證切片和分析是否正確。如果在測試中發(fā)現(xiàn)新的故障，就需要回到前面的步驟重新進行切片和分析。

五、數(shù)據(jù)挖掘信息管理實例分析

在一個體育賽事軟件開發(fā)過程中，通過Python數(shù)據(jù)挖掘分析場均進球、場均助攻、進球耗時、助攻轉(zhuǎn)換率、進球轉(zhuǎn)換率等信息，通過可視化框架Vue.js展示頂級球員的基本信息和關(guān)鍵數(shù)據(jù)，為球迷提供詳細(xì)可視化的技術(shù)參數(shù)。該案例在軟件工程中可以開發(fā)后通過API接口方式讓更前端程序進行調(diào)用，減少了集成軟件的體積，同時可以降低前端軟件的錯誤概率問題。

數(shù)據(jù)從EA SPORTS旗下的FIFA23中選取了它所收錄的1000名球員的基礎(chǔ)能力值（速度、傳球、射門、防守等）。選取了21—22歐冠射手榜前21位球員的出場次數(shù)、出場時間、進球數(shù)、助攻數(shù)、射門次數(shù)和關(guān)鍵傳球數(shù)，選取了2022年卡塔爾世界杯人氣排名前二十的球員的出場次數(shù)、出場時間、進球數(shù)、助攻數(shù)、射門次數(shù)和關(guān)鍵傳球次數(shù)。數(shù)據(jù)分析部分通過固定公式得出結(jié)果，可為后期調(diào)用。

實例設(shè)計球員基本信息的查詢模塊用于連接前端網(wǎng)頁中的球員基本信息文本框與數(shù)據(jù)面板，在此處，對數(shù)據(jù)球員的查詢進行了篩選，在收到前端的查詢信號之后，會將輸入的球員姓名在數(shù)據(jù)庫中的三個表進行依次查詢，若球員僅存在于其中兩個表中，則不顯示定義那一個表的數(shù)據(jù)為空。經(jīng)過查詢之后，返回球員的基本信息（文本框）和歐冠及世界杯具體效率值（數(shù)據(jù)面板）。

后續(xù)再次進行開發(fā)時僅需要調(diào)用相關(guān)的球員得分最終數(shù)值即可，而非在新的軟件重新設(shè)計數(shù)據(jù)管理內(nèi)容。因此，將數(shù)據(jù)挖掘技術(shù)運用到運動軟件開發(fā)中，可以幫助軟件項目更加快速地調(diào)用相關(guān)接口，減少后期二次開發(fā)的時間和成本，同時可以有效降低故障問題。此外，在實例中通過數(shù)據(jù)挖掘運動員隱含的規(guī)律并加以總結(jié)，使球員技術(shù)分析的方法方式能夠更加多樣化，給教練或者媒體提供更便捷、更穩(wěn)定、更高效的技術(shù)平臺，可以彌補我國目前足球方面的空缺。

六、結(jié)語

數(shù)據(jù)挖掘的核心目標(biāo)是通過全面收集和處理數(shù)據(jù)信息，以提取知識和見解，其主要方法包括聚類算法、決策樹、神經(jīng)網(wǎng)絡(luò)和關(guān)聯(lián)規(guī)則挖掘等?，F(xiàn)階段數(shù)據(jù)挖掘技術(shù)被廣泛應(yīng)用于源代碼開發(fā)、軟件管理信息、程序代碼和軟件故障檢測等環(huán)節(jié)并應(yīng)用在實際項目中。文章以體育賽事軟件開發(fā)進行了舉例，但數(shù)據(jù)挖掘還可以運用到更多項目中，例如通過分析項目開發(fā)日志分析項目的弱勢并加以彌補；通過數(shù)據(jù)挖掘?qū)W生每日的朋友圈信息關(guān)注學(xué)生熱點動態(tài)并在校內(nèi)平臺推廣?？傊?，數(shù)據(jù)挖掘為軟件開發(fā)提供了更便捷、更穩(wěn)定、更高效的技術(shù)，可加大其在實際項目中的運用。

參考文獻：

［1］ 徐東. 數(shù)據(jù)挖掘技術(shù)在計算機軟件工程中的運用［J］. 數(shù)字技術(shù)與應(yīng)用，2023，41（06）：137-140.

［2］ 阿迪婭·扎曼別克. 計算機軟件工程中的數(shù)據(jù)挖掘技術(shù)應(yīng)用研究［J］. 電子技術(shù)與軟件工程，2022（10）：183-186.

［3］ 盧珊. 數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用分析［J］. 長江信息通信，2022，35（04）：113-115+118.

［4］ 隋國政. 計算機軟件工程中數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究［J］. 軟件，2023，44（05）：127-129.