數據挖掘技術在軟件工程中的應用研究

李 娜

（西安文理學院 陜西 西安 710000）

0 引言

在信息化時代下，傳統處理技術不能滿足信息處理需求，無法精準傳輸和存儲海量信息。而數據挖掘技術，可以高效處理數據信息，實現準確傳輸與記錄。當前，各行業領域開始應用數據挖掘技術，尤其是軟件工程領域。該領域發展速度快，軟件工程和信息技術發展關聯性強。

1 數據挖掘技術概述

數據挖掘，是在海量數據內探測有價值的規律行為，能夠應用到研究領域，確保研究人員獲取目標數據，同時可以應用到商業領域。數據挖掘技術，能夠掌握數據潛在規律，通過歷史數據預測未來。此外，技術可檢測數據內的異常數據，探索特殊數據對象。數據挖掘系統快速發展，初代系統成為獨立應用，能夠支持單一算法、若干算法?，F代系統可以連接移動數據，并且存儲到計算模型內，應用到移動設備中。數據挖掘操作中，能夠預處理數據，清除不完整、不一致數據，同時做好數據抽樣，維護數據統一性與正確性。深度挖掘數據，應用多種挖掘算法，科學預測和分類數據。在分類操作中，通過模型建設分類新數據與原數據。在分類操作中，能夠以模型方式分類數據，建設函數值模型，準確預測數據，涉及到關聯算法、聚類算法。按照挖掘過程選擇算法與結果，評價整個數據挖掘過程，同時將結果傳輸至用戶，轉換信息模式，確保用戶能夠理解。

2 數據挖掘技術在軟件工程中的應用問題

2.1 數據信息復雜度高

基于當前發展可知，軟件工程數據涉及結構化數據、非結構化數據。在非結構化數據中，軟件代碼的作用顯著，且軟件版本信息會極大影響結構化數據。結構化數據、非結構化數據的關系密切，通過數據挖掘技術可以優化整合結構化數據、非結構化數據。

2.2 缺乏一致性評價標準

在生產生活中，多領域開始應用數據挖掘技術，通過該項技術，能夠評價處理結果。由于評價方式不一致，所以軟件工程的評價標準不一致，加劇軟件工程信息復雜度[1]。表達方式差異性顯著，人員無法比對和應用相關信息，導致軟件工程的建設難度加大。

3 數據挖掘技術的應用流程

在軟件工程中，應用數據挖掘技術的涉及內容較多，比如數據預處理、數據挖掘、模型表現等。見圖1為數據挖掘流程。數據預處理操作中，主要任務與目標在于處理原始數據，清晰劃分目標對象，準確分離不同數據。在數據預處理中，注重清理軟件工程涉及的原始數據、冗余信息，同時補充缺失數據，形成完整的數據鏈，為軟件開發、軟件管理、軟件評測提供參考。數據挖掘操作中，為了維護挖掘效果，必須確定挖掘人物，分類、歸納和評估數據，選擇針對性挖掘方法。在選擇期間，聯合數據自身特點、軟件工程實際要求，優化調整數據挖掘方法，維護挖掘有效性。為了維護挖掘結果表達完整度，使用知識表示、模型評價方式，確保數據挖掘結果完整性，并以系統化方式呈現，確保技術人員在數據挖掘結果指導下，能夠針對性開發、管理、測評軟件，提升軟件工程時效性，為后續工作開展奠定基礎。

4 數據挖掘技術在軟件工程中的應用策略

4.1 應用分析

（1）挖掘結構。數據挖掘技術在結構與流程代碼中的應用流程如下：首先，檢測克隆代碼方法?；诳寺〈a角度分析，按照軟件工程云隱標準，復制部分代碼流程和工具。在特殊情況下，聯合實際情況更改部分代碼，管理和檢測上述代碼，避免傳遞故障問題，盡早實現系統維護目標。應用克隆代碼方式，確保軟件系統運行順利性?，F階段，克隆代碼檢測方式，包括標識符比較、文本對比、程序結構、度量等[2]。不同克隆代碼檢測技術，都具備獨特診斷與評估方式，技術應用期間，按照實際情況選擇。其次，Aspect挖掘法，該項技術利用橫切關注點獲取挖掘方式。軟件工程中，應用Aspect挖掘法，優化改造系統。尤其是處理問題時，可以提供多種方式方法。形式概念、度量分析法的效果顯著[3]。上述技術方法，需要通過重新構建選集方式，科學處理橫切點挖掘問題。合理應用數據挖掘技術，可以發揮出特殊應用功能。數據挖掘示意圖見圖2。

（2）軟件項目管理。在軟件工程管理活動中，合理應用數據挖掘技術。在版本控制信息中，挖掘組織關系；版本控制信息挖掘?；谲浖こ谭治?，系統繁瑣性比較強，對組織關系挖掘的標準高，優化配置資源，落實應用依據。將軟件工程管理流程作為主體，按照電子郵件、共享文件，深度挖掘數據信息，形成不同工種組織關系，避免出現流程混亂問題，全面落實軟件工程管理工作[4]。此外，版本控制可以記錄文件內部信息變化，將其作為用戶掌握版本內容的依據。在版本控制信息中，合理應用數據挖掘技術，降低系統維護成本支出，以此展示出警示作用，體現出系統修復環節披露問題，全面加強軟件工程管理水平。

（3）軟件開發。數據挖掘技術將數據庫作為基礎。在發展過程中，先前理論應用到實踐中，并且形成深層次科學內容，實現共同發展。軟件工程為工程化學科，可以聯合不同項目指標、用戶需求、資金需求，研究開發出新型產品。在軟件工程開發中，整個開發流程繁瑣，但是隨著技術成熟度提升，開始推廣到各領域，顯著提升技術應用性。在軟件工程中，合理應用數據庫挖掘技術[5]。由于受到數據庫信息影響，可以存儲大量高價值內容，有效指導軟件工程開發。同時，軟件工程掌握大量信息挖掘內容，可以擴大應用范圍。軟件工程版本，能夠統一化處理開發信息，實時更新軟件開發問題，維護軟件開發質量。當前，軟件開發更換數據信息，包含大量數據挖掘內容，科學劃分軟件內部，找尋問題并予以處理，可以實現軟件開發目標。

（4）掃描軟件漏洞。首先，創建測試項目：按照用戶需求，制定軟件測試方案，明確掃描漏洞類型，掃描方案等；其次，收集漏洞信息。漏洞掃描前提，在于正確認知漏洞，能夠準確定義漏洞。收集軟件缺陷信息，對屬性實行定量化處理。再者，選擇理論模型：按照掃描要求，選擇適宜數據挖掘模型，按照前期收集數據資料，充分訓練模型，獲得有效訓練集與測試集，確保掃描策略的有效性。最后，掃描漏洞：按照前期獲取的模型，能夠將其應用到軟件掃描測試中。見圖3為掃描軟件漏洞測試流程。通過數據分類與特征分析，能夠提取漏洞信息。按照掃描結果修復漏洞，可以重新掃描處理，確保漏洞修復成功率。見圖4為數據漏洞掃描圖。

（5）故障檢測?；诠收蠙z測，圍繞程序執行記錄實施數據挖掘，可以提供程序交互模式與說明。上述信息可以定位軟件故障，提供檢查憑證。對于程序執行數據挖掘來說，屬于信息追蹤、逆向建模過程，深入了解和優化流程，為后續維護管理提供條件。當前，挖掘方式主要為常規方式，深度挖掘程序行為，找尋對應流程，按照事態落實表述。

4.2 應用方式

（1）分類。數據挖掘技術中，涉及較多分類方式，對于同種預測分類標號執行動作。在實踐操作中，建立對應分析模型，聯合對應流程標準，輸入數據信息，將其作為分析模式應用依據。當前，在軟件工程應用中，合理應用數據挖掘技術，分離方式涉及判斷樹法、網絡分類法、支持向量機、貝葉斯分類法等[6]。在分類方式應用中，必須合理應用判斷樹法，通過貪心算法作為邏輯依據，以由上而下標準，建立判斷樹框架。在判斷樹中，包含大量子節點，且不同子節點代表不同軟件類別符號。

（2）聚類。聚類主要研究環節包含數據信息，按照標準予以細化，形成不同類型流程，確保相同類型對象的相似性較強，同時保證不同類型對象的差異性。聚類與分類存在本質偏差，聚類過程劃分對象，具備不可預測性，即無指導學習。在其他算法處理中，合理應用聚類分析方式，可以擴大應用范圍，尤其是數據分析獨立性，不僅可以挖掘孤立點，還可以確保檢測結果精準性與真實性。

（3）關聯。在軟件工程數據挖掘技術中，合理應用關聯方法。在大規模數據中，形成關聯機制。數據挖掘技術中的關聯方法，具備如下屬性：首先，支持度：在A與B數據集間，出現事物集D；其次，置信度：出現A事物集D中，B存在相同概率。強規則是滿足最小支持度、最小置信度規則[7]。在特定事物集D中，挖掘技術關聯規則，一般是形成支持度、可信度，比軟件終端用戶設置最小支持度、最小可信度的關聯規則。

4.3 軟件工程數據檢索

在數據挖掘過程中，包括信息錄入、信息查找、信息內容分析等挖掘過程。信息錄入，主要是維護錄入檢索信息對象。數據信息查找，是軟件工程最終用戶獲取信息對象，將檢索關鍵詞維護到檢索框內。通過查找分析功能，分析研究對象。數據信息分析，是軟件工程終端用戶聯合個人需求，在線閱讀、線下分析數據分析需求。軟件工程終端用戶下載數據，會產生下載信息，簡單查找客戶獲取信息記錄，便于分析和處理用戶行為。

5 數據挖掘技術應用挑戰與未來發展

5.1 技術應用挑戰

將數據挖掘技術應用到軟件工程中，軟件工程數據庫具備特殊性，會影響數據挖掘技術應用。從整體角度分析，軟件工程應用數據挖掘技術，面臨以下挑戰：軟件工程數據復雜度高，已經成為軟件工程數據挖掘面臨難題。軟件工程中，數據信息包含結構式、非結構式數據類型，但是不是所有數據挖掘算法，都可以應用到軟件工程中。應用數據挖掘技術分析軟件代碼問題時，由于結構式數據類型存在相應比例數據，會增加數據挖掘算法設計難度。

軟件工程中，系統數據較為復雜，已經成為數據挖掘技術的應用難題，同時面臨非傳統分析問題。將數據挖掘技術應用在軟件工程中，將數據知識提供為軟件用戶，已經成為終極應用目標。長期以來，應用數據挖掘技術，涉及傳統金融領域、新型電子商務應用，數據信息內容包含文字、圖表存儲方式。在軟件工程中，存儲數據內容并非簡單統計數據。為了提升軟件開發工作配合度，必須關注到軟件缺陷、開發模板信息、實際案例、結構設計等，要求軟件工程應用數據挖掘技術時，可以研究開發新型信息存儲方式，同時包含信息展示、知識評價等[8]。同時，軟件工程結果評價中，合理應用數據挖掘技術，面對問題非常多。傳統金融與應用領域內，數據挖掘技術形成成熟評價體系，并未完善結果評價體系。由于軟件工程開發面對的數據信息復雜，無法通過積極定量方式，高效評價軟件工程數據挖掘。

5.2 技術應用發展

在軟件工程領域，合理應用數據挖掘技術，與工程程序開發編寫相關。然而，編寫軟件工程代碼，會面臨動態規則、靜態規則、代碼重用等問題，對數據挖掘技術的應用影響較大。數據量持續增長，改變了數據信息處理方式，需要調整數據挖掘發展方向。從本質上看，互聯網信息應用云處理方式，可以處理數據高復雜度問題，數據挖掘處理效率較高。在信息化時代下，逐漸形成大數據趨勢，引導數據挖掘技術發展。所以，在應用數據挖掘技術時，應當深入分析數據處理與管理變化，以此提升技術應用效果。

6 結語

綜上所述，在軟件工程中應用數據挖掘技術，可以激發數據挖掘技術作用，提升軟件工程研發效率，降低管理成本投放，避免出現不良問題。從本文分析可知，數據挖掘技術應用到軟件工程中，具備較強的現實意義，值得推廣。