论文笔记：An Approach of Extracting God Class Exploiting Both Structural and Semantic Similarity(ENASE 2019)

研究动机

God class是一个常见代码气味，它的意思的一个类中承担了太多的责任，它会使整体代码的耦合性增加，内聚性下降。下图就是一个god class的代表。

本文利用增加内聚性的方法，将一个God class提取到新类中。主要是根据对方法在类中的结构关系和语义关系进行分析，并将强相关的方法聚集在一起，建议它们位于同一个类中。实验结果表明，重构后类之间的内聚性得到了增强。

模型

模型的方法分为两个步骤

• 根据结构相似度和语义相似度，构造方法相似矩阵
• 利用层次聚类生成簇

计算相似矩阵

有三个度量方法来计算方法之间的结构相似性

Structural Similarity between Methods

SSM是方法之间的结构相似性，它考虑了方法之间的内聚和传递性内聚的一种度量。对于方法$m_i$和方法$m_j$之间的计算方法如下：

其中$V_i$和$V_j$分别表示方法$m_i$和方法$m_j$表示的实体变量。SSM值越高，说明两个方法可能在同一个类中。

Call based Dependence between Methods

CDM也是方法之间的结构相似性，它通过方法调用来计算两个方法之间的关系。对于方法$m_i$和方法$m_j$之间的计算方法如下：

其中$calls(m_i,m_j)$表示方法$m_j$被方法$m_i$调用的次数，$calls_(in)(m_j)$是方法$m_j$的调用总数。最终方法$m_i$和方法$m_j$的CDM为

Conceptual Similarity between Methods

CSM是类中每个方法的概念内聚度量。它度量两个方法在语义上的关联程度。在类中的每一个方法首先由Latent Semantic Indexing (LSI)构造的语义空间中的向量表示。然后计算$m_i$和$m_j$两种方法的向量表示$v_i$和$v_j$的余弦相似度，如下所示

其中$||v_i||$代表向量$v_i$的欧几里德范数。在这篇文章中，作者使用LDA主题模型来表示在向量空间中的每一种方法的主题分布，去掉停止词，空格，下划线等信息，放入LDA模型中，形成两个矩阵：topic-word矩阵和document-topic矩阵。将document-topic矩阵的每一行作为该方法的主题分布，然后将向量放入上面的公式计算方法之间的相似度。 

最终，两个方法在同一个类的可能性由下式表示。

下图就是三个相似度矩阵

层次聚类

 根据生成的相似度矩阵，进行层次聚类

实验

作者选取了2个开源数据集，并用两个内聚度量来评估方法的性能，分别为LCOM（Lack of Cohesion of Methods）和C3（Conceptual Cohesion of Classes），通过我们的方法，对重构前后15个God class的LCOM和C3指标进行了分析,从表中可以看到，对于所有类，本文的方法进行重构之后，内聚性都得到了改进。同时比较了一个文献中的方法，仍然取得了较好的效果。