代码复用
代码复用的相关文献在1996年到2022年内共计104篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、教育
等领域,其中期刊论文65篇、会议论文3篇、专利文献38831篇;相关期刊55种,包括军民两用技术与产品、高等职业教育-天津职业大学学报、常州信息职业技术学院学报等;
相关会议3种,包括2015全国高性能计算学术年会、第十七届全国测试与故障诊断技术研讨会、2004’全国软件与应用学术会议(NASAC)等;代码复用的相关文献由234位作者贡献,包括张吉良、任民宏、冯杰等。
代码复用—发文量
专利文献>
论文:38831篇
占比:99.83%
总计:38899篇
代码复用
-研究学者
- 张吉良
- 任民宏
- 冯杰
- 刘叔可
- 刘本熙
- 刘锋
- 刘长红
- 原锦辉
- 吕勇强
- 周洪伟
- 姜金荣
- 孙怡峰
- 张博
- 张垚
- 张德浩
- 张玉臣
- 张畅
- 徐云
- 敖齐平
- 方锐
- 曾庆凯
- 朱晨晖
- 朱秋萍
- 李伟明
- 李建
- 李钟赫
- 段翰聪
- 汪永伟
- 漆定军
- 王天生
- 王文清
- 王海宾
- 王湘奇
- 王玉柱
- 田东海
- 胡浩
- 赵伟
- 赵晓溪
- 赵润泽
- 邹德清
- 金成珍
- 金海
- 金睿
- 钮俊
- 闵革勇
- 陈怡然
- 齐斌航
- Chen Yiran
- DUAN Congwu
- Hao Huiqun
-
-
郑黄河;
黄志球;
李伟湋;
喻垚慎;
王永超
-
-
摘要:
为了解决由于近邻选择不恰当导致的推荐性能下降问题,提出基于自然近邻与协同过滤的API推荐方法——N-APIRec.该方法利用BM25算法将项目转换成向量,以自然近邻算法筛选数据集中的相似项目以减少搜索范围,从相似项目中筛选相似的方法声明,通过协同过滤的方式推荐API.将N-APIRec在MV、SH数据集上与前沿方法进行实验对比,结果验证了N-APIRec的有效性,在MV、SH数据集上的推荐成功率分别为77.38%、30.00%,优于现有方法.
-
-
丁雪儿;
钮俊;
张开乐;
毛昕怡
-
-
摘要:
复用已有高质量源代码可提高软件开发效率及软件质量.当前,基于用户提供的输入输出对的匹配判断是代码语义搜索的主要方法之一,但该方法难以刻画完整代码行为,且仅能处理单输入类型.提出一种针对多种形式类型匹配的代码语义搜索方法.首先将代码集内各个代码片段中数据对象个数及类型的加工过程转换为Petri网模型;其次根据用户查询中蕴含的数据类型及个数、输出数据类型等约束来构造Petri网初始标识和目标标识;然后在Petri网中通过可达图及诱发网分析判断是否存在相应的可达路径,从而获得代码匹配依据.分析及实验表明,该方法能有效实现多种形式的输入输出类型匹配的代码搜索,且相对于传统类型匹配方法,能明显提高搜索准确度和效率.
-
-
石雷;
樊玉琦;
胡学钢;
陆阳;
毕翔;
吕增威
-
-
摘要:
针对软件工具与环境课程的实践教学,提出了一套新工科背景下基于低代码开发平台的课程教学方法。介绍了该方法中自研的低代码开发平台的设计思想和具体方法,结合课程教学,阐述该平台应用过程并说明教学效果。
-
-
付修锋;
贾张涛;
杨铁湃;
安恒;
金玉川;
耿宏伟
-
-
摘要:
在软件功能开发过程中,会存在待开发功能在市面上已存在或者有相似的情况,为了节省开发成本,程序员普遍会选择用代码复用的方式解决项目"冷启动"问题,这也降低了开发成本。换言之,代码复用已经逐渐变成行业所接受的开发模式。但其中仍然存在诸多问题和安全隐患,如恶意软件代码、缺失许可认证等,所以代码安全监测是软件安全发展的重要手段。文章基于复用代码监测,从代码之间语义特征角度出发,设计了一种精准的袪码特征提取算法,并在此基础上实现二进制代码复用检测。实验结果表明,二进制工业软件溯源方法可以完成代码复用检测工作,并且在文件级、函数级维度都体现出良好的准确性。
-
-
张佳琪;
孙艳春;
黄罡
-
-
摘要:
目前有关API学习和代码复用的研究主要集中在对于API调用频繁模式的挖掘、组件化信息的提取以及根据用户的需求和目标功能进行的个性化应用程序接口(API)推荐服务等方面。然而,作为缺少专业知识和经验技能来完成特定使用案例的软件开发初学者,在阅读官方文档之外,往往需要真实的使用案例作为参考。现有代码推荐研究大多为单片段式代码,缺少跨函数的案例选择,这不利于初学者学习构建完整的使用场景或功能模块;同时,从单个函数注释中提取的语义描述也不足以构建学习者对项目中完整功能实现方法的认识。为了解决上述问题,提出了一种基于开源社区分析的API使用案例推荐服务,并以软件开发后端框架Spring Boot为例,构建了跨函数的案例推荐辅助学习服务。随后,通过调查问卷、专家验证等方式验证了所提出的API使用案例推荐服务的可行性和有效性。
-
-
邓斯元;
魏乐;
舒红平
-
-
摘要:
在当前的软件开发环境中,海量的低质量、无意义的代码知识为开发人员进行代码复用造成了阻碍,大大降低了软件开发效率。为了快速准确地为开发人员推荐高质量的代码知识,提出了基于SBERT(sentence-BERT)模型的代码片段推荐方法CSRSB(code snippets recommendation based on sentence-BERT)。该方法首先获取海量的高质量数据来构建代码语料库,并基于深度学习模型SBERT为代码片段对应的自然语言描述和用户输入的自然语言查询生成具有丰富语义的句向量,通过比较点积相似度来实现代码片段的推荐。使用命中率、平均倒数排名和平均准确率这三个常用推荐评估指标与现有相关研究中的方法进行对比来验证该方法的有效性。实验结果表明,CSRSB在有效提高代码片段推荐准确度的同时也能够做到快速推荐。
-
-
张德浩;
徐云
-
-
摘要:
软件开发中对开源代码的复用会带来开源代码漏洞和违反开源许可等问题.传统复用代码检测方法常常检出较多偶然克隆代码,影响了复用代码的检测准确性.为此,提出了一种基于复用度量指标的函数级别复用开源代码检测方法.该方法对被测代码和开源代码库,先使用克隆检测工具获取克隆函数,然后使用依据克隆代码行和共用标识符在开源代码库中的出现频率的复用度量指标,判定每对克隆函数是否为复用.在公开有标注数据集和真实数据集上的实验结果均表明所提方法优于基于逆文档频率的方法.
-
-
张德浩;
徐云
-
-
摘要:
软件开发中对开源代码的复用会带来开源代码漏洞和违反开源许可等问题。传统复用代码检测方法常常检出较多偶然克隆代码,影响了复用代码的检测准确性。为此,提出了一种基于复用度量指标的函数级别复用开源代码检测方法。该方法对被测代码和开源代码库,先使用克隆检测工具获取克隆函数,然后使用依据克隆代码行和共用标识符在开源代码库中的出现频率的复用度量指标,判定每对克隆函数是否为复用。在公开有标注数据集和真实数据集上的实验结果均表明所提方法优于基于逆文档频率的方法。
-
-
魏敏;
张丽萍
-
-
摘要:
开源软件的成功推动了软件产业的蓬勃发展,大量代码资源为代码搜索创造了条件.如何通过代码搜索技术找到需求代码成为一个重要问题.为了更好地推进后续研究工作,首先对代码搜索相关概念及研究趋势进行介绍和说明;其次对使用不同技术的代码搜索研究工作进行综述,包括基于信息检索、查询和代码描述增强、程序特征分类以及深度学习等方面,并进一步总结归纳不同方法的优缺点;接下来针对代码搜索技术所应用的多个领域进行介绍,包括程序合成、代码推荐与补全和代码风格改善等方面;最后分析现阶段代码搜索面临的主要问题,为未来该方向的发展提供一定的参考与建议.
-
-
-
罗景;
姜人宽;
赵伟;
郝丹;
张路;
孙家骕
- 《2004’全国软件与应用学术会议(NASAC)》
| 2004年
-
摘要:
为了使软件复用能够在代码层次上系统化的实施,本文在自动程序理解技术研究的基础上,定义了几种基本的理解形式以及针对这些理解形式的分析方法.基于给定的理解形式与分析方法,在软件复用工程化思想的指导下,设计并实现了一个基于程序理解的代码复用系统,它是一个提供代码复用服务的软件工程辅助系统,应用于辅助代码复用活动与代码管理.
-
-
Chen Yiran;
陈怡然;
Jiang Jinrong;
姜金荣;
Zhao Xiaoxi;
赵晓溪;
Wang Yuzhu;
王玉柱;
Hao Huiqun
- 《2015全国高性能计算学术年会》
| 2015年
-
摘要:
耦合器是地球系统模式中的重要组成部分,用于连接各个分量模式.本文针对地球系统模式中的耦合接口进行编程操作,使得分量模式的代码从耦合系统中分离出来,从而使得模式专家只需要了解耦合接口而不再需要了解耦合器的复杂的内部实现.为此本文提出了两种耦合接口技术,一是耦合接口代码复用技术,将各个分量模式形式相似的代码段复用为统一的接口;二是耦合接口代码自动生成技术,根据统一的模板文件,模式专家只需要在配置文件中提供相应的变量信息,分量模式的代码便可通过模板文件自动的生成出来.基于以上工作,本文将改写耦合接口后的地球系统模式部署到中国科学院超级计算机"元"上,表明经过代码复用及自动生成后的耦合接口与原来代码模拟结果一致.
-
-
- 《第十七届全国测试与故障诊断技术研讨会》
| 2008年
-
摘要:
面向对象框架是现代软件工程中一种重要的软件复用方式,不仅提供了代码复用,而且实现了更具有软件生产力意义的设计复用.本文在ATS(自动测试系统)软件开发中引入面向对象框架开发方法,分析总结了ATS软件领域共性,进行了ATS软件面向对象框架的设计,完成了一个适用于常规ATS软件开发的面向对象框架-ATSSF.并且,基于ATSSF开发了某型空地导弹ATS软件.