1、軟件工程數據是軟件工程整個過程中所產生的各種數據，包括軟件的源代碼、文檔、缺陷報告等。在絕大多數情況下，軟件工程數據是開發(fā)者獲取信息的唯一來源。隨著計算機軟件規(guī)模的不斷擴大，手工獲取開發(fā)和維護軟件所需的信息越來越困難。數據挖掘技術可從軟件工程數據中自動發(fā)現所需信息，加快軟件開發(fā)進程，提高軟件質量。本文針對軟件工程數據挖掘的若干問題進行研究，主要貢獻如下:
　　1.提出了一種Java源代碼中Method的自動命名方法。軟件源代碼中標

2、識符的正確命名對軟件維護非常重要，恰當的Method名能夠使開發(fā)者了解Method的功能，而不恰當的命名則會誤導他們。但是，開發(fā)者除了個人的經驗技術之外，他們在為Method命名時幾乎無所憑依。本文提出了一種基于文本分類的方法，為Method選擇恰當的動作名。實驗表明，本文方法的命名正確率達到70％以上。
　　2.提出了一種程序盜用檢測方法。與軟件業(yè)、特別是開源軟件的蓬勃發(fā)展相比，用以保護現有軟件免遭軟件盜用者侵害的檢測工具少得可

3、憐。一個不自律的開發(fā)者可以通過代碼偽裝技術盜用他人的源碼，而又逃脫法律的制裁。現有的基于程序依賴圖的檢測工具可以檢出若干種專業(yè)的代碼偽裝，但時間效率無法讓人滿意，并且它們無法識破影響程序依賴圖結構的偽裝。本文提出了一種新的盜用檢測工具TPLAG，它不僅將代碼盜用檢測的時間復雜度從指數級降到多項式級，而且能成功地識破影響圖結構的代碼偽裝技術。
　　3.提出了一種缺陷分派方法。人型軟件的開發(fā)組每天都會收到成百上千的缺陷報告，對這些缺陷

4、進行分派是軟件開發(fā)者們的一項沉重的負擔?，F有的研究工作將軟件缺陷自動分派歸結為文本分類問題。本文利用Latent Dirichlet Allocation(LDA)進行文本降維，在此基礎上基于文本分類方法進行缺陷分派，提高了分派的準確率。
　　4.提出了一種缺陷報告質量評估方法。軟件維護工作的質量與缺陷報告本身的質量高度相關，不包含有用信息、質量低下的缺陷報告很可能被開發(fā)者直接忽略，相應的缺陷也就無法得到修復。本文提出了一種基于主