基于传统机器学习的内部Getter或Setter方法异味检测

来源：计算机应用与软件杂志2025年第11期北京时间：

作者：张子恒, 边奕心, 李禹齐, 赵松, 吴雪, 朱伟

摘要：内部Getter或Setter方法是一种Android特有代码异味，对Android应用程序的性能及能耗均有负面影响。为检测该味道，提出一种基于传统机器学习的检测方法。首先使用程序文本信息作为特征集，然后使用5种传统机器学习模型进行检测。其中，为了去除特征集中的无关特征，提出一种特征筛选算法LGM_SU，以提高模型检测准确率。此外，为了自动获取传统有监督机器学习模型所需的大量标签数据，提出一种基于Android项目构造正负样本的方法，并实现工具ASSD。最后进行实验验证。结果表明，本文方法优于现有基于程序静态分析的检测方法，F1值提高了16.9%。此外，不同的传统机器学习算法对Android特有代码异味和对面向对象代码异味的检测效果存在差异。

关键词：Android代码异味, 内部Getter或Setter方法, 传统机器学习, 特征选择