[论文解读] Automatic Labeling of the Object-oriented Source Code: The Lotus Approach

Ra’Fat Al-Msie’deen|arXiv (Cornell University)|Jan 25, 2018

Software Engineering Research参考文献 15被引用 11

一句话总结

本文提出了Lotus方法，这是一种利用软件标识符自动标记面向对象源代码的自动方法，旨在提升代码理解能力。通过在ArgoUML和绘图形状案例研究中分析标识符，该方法在标签识别方面实现了100%的准确率，证明了其在逆向工程和软件可视化任务中的有效性。

ABSTRACT

Most of open-source software systems become available on the internet today. Thus, we need automatic methods to label software code. Software code can be labeled with a set of keywords. These keywords in this paper referred as software labels. The goal of this paper is to provide a quick view of the software code vocabulary. This paper proposes an automatic approach to document the object-oriented software by labeling its code. The approach exploits all software identifiers to label software code. The paper presents the results of study conducted on the ArgoUML and drawing shapes case studies. Results showed that all code labels were correctly identified.

研究动机与目标

• 为了解决在缺乏手动文档的情况下理解大量开源软件代码的挑战。
• 开发一种自动标记技术，利用软件标识符为代码元素生成有意义的标签。
• 通过提供代码词汇的快速、自动化视图，提升软件理解与可视化能力。
• 在真实世界的开源系统上评估该方法，以验证其准确性和可扩展性。

提出的方法

• 该方法从面向对象源代码中提取所有软件标识符（例如，类名、方法名、变量名）。
• 应用自然语言处理技术，对标识符进行语义解释与规范化，生成有意义的关键词或标签。
• 基于标识符的语义内容生成标签，将其视为隐式文档的来源。
• 该方法在两个案例研究中进行评估：ArgoUML和绘图形状应用程序。
• 通过人工检查评估标签的正确性，将生成的标签与预期的语义含义进行对比。

实验结果

研究问题

• RQ1 仅依靠软件标识符是否能有效生成准确且有意义的面向对象代码标签？
• RQ2 Lotus方法在不同软件系统中识别相关代码词汇的性能如何？
• RQ3 自动标记在多大程度上能够提升软件理解与逆向工程任务？
• RQ4 该方法在多样化的开源软件项目中是否具备可扩展性和鲁棒性？

主要发现

• Lotus方法在ArgoUML和绘图形状两个案例研究中均成功正确识别了所有代码标签。
• 100%的生成标签被证实语义上准确且与相应代码元素相关。
• 该方法仅依赖标识符即表现出极强的可靠性，无需外部文档或注释。
• 结果证实，软件标识符是软件工程任务中自动代码标记的丰富且可靠的来源。