基于组合分类算法的源代码注释质量评估方法

来源：计算机应用杂志2016年第12期北京时间：

作者：余海, 李斌, 王培霞, 贾荻, 王永吉

单位：1. 中国科学院软件研究所 互联网软件技术实验室, 北京 100190;2. 中国科学院大学, 北京 100190;3. 中国科学院软件研究所 总体部, 北京 100190;4. 中国科学院软件研究所 基础软件国家工程研究中心, 北京 100190

摘要：源代码注释是软件的重要组成部分，研究者往往需要利用人工或自动化的方法产生分析注释，注释的质量评估也往往是通过人工来完成，这无疑是低效不客观的。为此，首先从注释的格式、语言形式、内容以及与代码相关度4个方面出发构建注释评估准则；进而，基于这一准则提出了一种基于组合分类算法的注释质量评估方法。该方法将机器学习以及自然语言处理技术引入到注释质量评估中来，利用分类算法将注释分为不合格、合格、良好、优秀四个等级。通过对基本分类算法的组合使用，使得评估效果进一步提高。组合分类算法的准确率和F1值较单独使用某一种分类算法提高20个百分点左右，除宏平均F1值外，各项指标都达到了70%以上。实验结果表明，所提方法能够很好地应用于注释质量评估。

关键词：源码注释,质量评估,文本分类,组合算法,自然语言处理

基金资助：国家科技重大专项（2014ZX01029101-002）。