融合信息增益和Transformer的代码异味强度预测

来源：计算机技术与发展杂志2025年第01期北京时间：

作者：苏亚宁;高建华

摘要：检测代码异味强度可以使开发人员优先处理严重性较高的代码问题,从而降低维护成本提升效率。 目前基于传统算法模型的异味强度识别方法无法确保检测的效率,为了解决这个问题,该文提出了一种代码异味强度预测模型。 首先选取涵盖代码的不同方面度量,然后经过信息增益分析优化处理,将处理后的数据子集输入注意力机制以增强特征的表现能力,经归一化处理后的特征表示输入到一个前馈神经网络中再进行非线性处理,最后通过全连接层生成最终的输出。 实验结果表明,在开源项目数据集上,该模型在代码异味强度检测精确率、召回率和 F1 值等指标上均有提高,相较于基线方法,F1 值最高提升了 16. 2% 。 表明该模型在检测代码异味强度方面具有较高的精度和可靠性,能够更有效地帮助开发人员识别代码异味问题。

关键词：代码异味;Transformer;信息增益;强度预测;机器学习