数据挖掘技术在软件工程中的应用研究

李 娜

（西安文理学院 陕西 西安 710000）

0 引言

在信息化时代下，传统处理技术不能满足信息处理需求，无法精准传输和存储海量信息。而数据挖掘技术，可以高效处理数据信息，实现准确传输与记录。当前，各行业领域开始应用数据挖掘技术，尤其是软件工程领域。该领域发展速度快，软件工程和信息技术发展关联性强。

1 数据挖掘技术概述

数据挖掘，是在海量数据内探测有价值的规律行为，能够应用到研究领域，确保研究人员获取目标数据，同时可以应用到商业领域。数据挖掘技术，能够掌握数据潜在规律，通过历史数据预测未来。此外，技术可检测数据内的异常数据，探索特殊数据对象。数据挖掘系统快速发展，初代系统成为独立应用，能够支持单一算法、若干算法。现代系统可以连接移动数据，并且存储到计算模型内，应用到移动设备中。数据挖掘操作中，能够预处理数据，清除不完整、不一致数据，同时做好数据抽样，维护数据统一性与正确性。深度挖掘数据，应用多种挖掘算法，科学预测和分类数据。在分类操作中，通过模型建设分类新数据与原数据。在分类操作中，能够以模型方式分类数据，建设函数值模型，准确预测数据，涉及到关联算法、聚类算法。按照挖掘过程选择算法与结果，评价整个数据挖掘过程，同时将结果传输至用户，转换信息模式，确保用户能够理解。

2 数据挖掘技术在软件工程中的应用问题

2.1 数据信息复杂度高

基于当前发展可知，软件工程数据涉及结构化数据、非结构化数据。在非结构化数据中，软件代码的作用显著，且软件版本信息会极大影响结构化数据。结构化数据、非结构化数据的关系密切，通过数据挖掘技术可以优化整合结构化数据、非结构化数据。

2.2 缺乏一致性评价标准

在生产生活中，多领域开始应用数据挖掘技术，通过该项技术，能够评价处理结果。由于评价方式不一致，所以软件工程的评价标准不一致，加剧软件工程信息复杂度[1]。表达方式差异性显著，人员无法比对和应用相关信息，导致软件工程的建设难度加大。

3 数据挖掘技术的应用流程

在软件工程中，应用数据挖掘技术的涉及内容较多，比如数据预处理、数据挖掘、模型表现等。见图1为数据挖掘流程。数据预处理操作中，主要任务与目标在于处理原始数据，清晰划分目标对象，准确分离不同数据。在数据预处理中，注重清理软件工程涉及的原始数据、冗余信息，同时补充缺失数据，形成完整的数据链，为软件开发、软件管理、软件评测提供参考。数据挖掘操作中，为了维护挖掘效果，必须确定挖掘人物，分类、归纳和评估数据，选择针对性挖掘方法。在选择期间，联合数据自身特点、软件工程实际要求，优化调整数据挖掘方法，维护挖掘有效性。为了维护挖掘结果表达完整度，使用知识表示、模型评价方式，确保数据挖掘结果完整性，并以系统化方式呈现，确保技术人员在数据挖掘结果指导下，能够针对性开发、管理、测评软件，提升软件工程时效性，为后续工作开展奠定基础。

4 数据挖掘技术在软件工程中的应用策略

4.1 应用分析

（1）挖掘结构。数据挖掘技术在结构与流程代码中的应用流程如下：首先，检测克隆代码方法。基于克隆代码角度分析，按照软件工程云隐标准，复制部分代码流程和工具。在特殊情况下，联合实际情况更改部分代码，管理和检测上述代码，避免传递故障问题，尽早实现系统维护目标。应用克隆代码方式，确保软件系统运行顺利性。现阶段，克隆代码检测方式，包括标识符比较、文本对比、程序结构、度量等[2]。不同克隆代码检测技术，都具备独特诊断与评估方式，技术应用期间，按照实际情况选择。其次，Aspect挖掘法，该项技术利用横切关注点获取挖掘方式。软件工程中，应用Aspect挖掘法，优化改造系统。尤其是处理问题时，可以提供多种方式方法。形式概念、度量分析法的效果显著[3]。上述技术方法，需要通过重新构建选集方式，科学处理横切点挖掘问题。合理应用数据挖掘技术，可以发挥出特殊应用功能。数据挖掘示意图见图2。

（2）软件项目管理。在软件工程管理活动中，合理应用数据挖掘技术。在版本控制信息中，挖掘组织关系；版本控制信息挖掘。基于软件工程分析，系统繁琐性比较强，对组织关系挖掘的标准高，优化配置资源，落实应用依据。将软件工程管理流程作为主体，按照电子邮件、共享文件，深度挖掘数据信息，形成不同工种组织关系，避免出现流程混乱问题，全面落实软件工程管理工作[4]。此外，版本控制可以记录文件内部信息变化，将其作为用户掌握版本内容的依据。在版本控制信息中，合理应用数据挖掘技术，降低系统维护成本支出，以此展示出警示作用，体现出系统修复环节披露问题，全面加强软件工程管理水平。

（3）软件开发。数据挖掘技术将数据库作为基础。在发展过程中，先前理论应用到实践中，并且形成深层次科学内容，实现共同发展。软件工程为工程化学科，可以联合不同项目指标、用户需求、资金需求，研究开发出新型产品。在软件工程开发中，整个开发流程繁琐，但是随着技术成熟度提升，开始推广到各领域，显著提升技术应用性。在软件工程中，合理应用数据库挖掘技术[5]。由于受到数据库信息影响，可以存储大量高价值内容，有效指导软件工程开发。同时，软件工程掌握大量信息挖掘内容，可以扩大应用范围。软件工程版本，能够统一化处理开发信息，实时更新软件开发问题，维护软件开发质量。当前，软件开发更换数据信息，包含大量数据挖掘内容，科学划分软件内部，找寻问题并予以处理，可以实现软件开发目标。

（4）扫描软件漏洞。首先，创建测试项目：按照用户需求，制定软件测试方案，明确扫描漏洞类型，扫描方案等；其次，收集漏洞信息。漏洞扫描前提，在于正确认知漏洞，能够准确定义漏洞。收集软件缺陷信息，对属性实行定量化处理。再者，选择理论模型：按照扫描要求，选择适宜数据挖掘模型，按照前期收集数据资料，充分训练模型，获得有效训练集与测试集，确保扫描策略的有效性。最后，扫描漏洞：按照前期获取的模型，能够将其应用到软件扫描测试中。见图3为扫描软件漏洞测试流程。通过数据分类与特征分析，能够提取漏洞信息。按照扫描结果修复漏洞，可以重新扫描处理，确保漏洞修复成功率。见图4为数据漏洞扫描图。

（5）故障检测。基于故障检测，围绕程序执行记录实施数据挖掘，可以提供程序交互模式与说明。上述信息可以定位软件故障，提供检查凭证。对于程序执行数据挖掘来说，属于信息追踪、逆向建模过程，深入了解和优化流程，为后续维护管理提供条件。当前，挖掘方式主要为常规方式，深度挖掘程序行为，找寻对应流程，按照事态落实表述。

4.2 应用方式

（1）分类。数据挖掘技术中，涉及较多分类方式，对于同种预测分类标号执行动作。在实践操作中，建立对应分析模型，联合对应流程标准，输入数据信息，将其作为分析模式应用依据。当前，在软件工程应用中，合理应用数据挖掘技术，分离方式涉及判断树法、网络分类法、支持向量机、贝叶斯分类法等[6]。在分类方式应用中，必须合理应用判断树法，通过贪心算法作为逻辑依据，以由上而下标准，建立判断树框架。在判断树中，包含大量子节点，且不同子节点代表不同软件类别符号。

（2）聚类。聚类主要研究环节包含数据信息，按照标准予以细化，形成不同类型流程，确保相同类型对象的相似性较强，同时保证不同类型对象的差异性。聚类与分类存在本质偏差，聚类过程划分对象，具备不可预测性，即无指导学习。在其他算法处理中，合理应用聚类分析方式，可以扩大应用范围，尤其是数据分析独立性，不仅可以挖掘孤立点，还可以确保检测结果精准性与真实性。

（3）关联。在软件工程数据挖掘技术中，合理应用关联方法。在大规模数据中，形成关联机制。数据挖掘技术中的关联方法，具备如下属性：首先，支持度：在A与B数据集间，出现事物集D；其次，置信度：出现A事物集D中，B存在相同概率。强规则是满足最小支持度、最小置信度规则[7]。在特定事物集D中，挖掘技术关联规则，一般是形成支持度、可信度，比软件终端用户设置最小支持度、最小可信度的关联规则。

4.3 软件工程数据检索

在数据挖掘过程中，包括信息录入、信息查找、信息内容分析等挖掘过程。信息录入，主要是维护录入检索信息对象。数据信息查找，是软件工程最终用户获取信息对象，将检索关键词维护到检索框内。通过查找分析功能，分析研究对象。数据信息分析，是软件工程终端用户联合个人需求，在线阅读、线下分析数据分析需求。软件工程终端用户下载数据，会产生下载信息，简单查找客户获取信息记录，便于分析和处理用户行为。

5 数据挖掘技术应用挑战与未来发展

5.1 技术应用挑战

将数据挖掘技术应用到软件工程中，软件工程数据库具备特殊性，会影响数据挖掘技术应用。从整体角度分析，软件工程应用数据挖掘技术，面临以下挑战：软件工程数据复杂度高，已经成为软件工程数据挖掘面临难题。软件工程中，数据信息包含结构式、非结构式数据类型，但是不是所有数据挖掘算法，都可以应用到软件工程中。应用数据挖掘技术分析软件代码问题时，由于结构式数据类型存在相应比例数据，会增加数据挖掘算法设计难度。

软件工程中，系统数据较为复杂，已经成为数据挖掘技术的应用难题，同时面临非传统分析问题。将数据挖掘技术应用在软件工程中，将数据知识提供为软件用户，已经成为终极应用目标。长期以来，应用数据挖掘技术，涉及传统金融领域、新型电子商务应用，数据信息内容包含文字、图表存储方式。在软件工程中，存储数据内容并非简单统计数据。为了提升软件开发工作配合度，必须关注到软件缺陷、开发模板信息、实际案例、结构设计等，要求软件工程应用数据挖掘技术时，可以研究开发新型信息存储方式，同时包含信息展示、知识评价等[8]。同时，软件工程结果评价中，合理应用数据挖掘技术，面对问题非常多。传统金融与应用领域内，数据挖掘技术形成成熟评价体系，并未完善结果评价体系。由于软件工程开发面对的数据信息复杂，无法通过积极定量方式，高效评价软件工程数据挖掘。

5.2 技术应用发展

在软件工程领域，合理应用数据挖掘技术，与工程程序开发编写相关。然而，编写软件工程代码，会面临动态规则、静态规则、代码重用等问题，对数据挖掘技术的应用影响较大。数据量持续增长，改变了数据信息处理方式，需要调整数据挖掘发展方向。从本质上看，互联网信息应用云处理方式，可以处理数据高复杂度问题，数据挖掘处理效率较高。在信息化时代下，逐渐形成大数据趋势，引导数据挖掘技术发展。所以，在应用数据挖掘技术时，应当深入分析数据处理与管理变化，以此提升技术应用效果。

6 结语

综上所述，在软件工程中应用数据挖掘技术，可以激发数据挖掘技术作用，提升软件工程研发效率，降低管理成本投放，避免出现不良问题。从本文分析可知，数据挖掘技术应用到软件工程中，具备较强的现实意义，值得推广。