ارائه روشي براي پيش ‌بيني كدهاي نابسامان سامانه‌هاي نرم ‌افزاري با استفاده از شبكه عصبي

مهندسان نرم‌ افزار همواره به دنبال كاهش هزينه‌هاي توليد و افزايش كيفيت نرم افزار هستند. روش‌هاي مختلفي براي افزايش كيفيت نرم افزار وجود دارد كه بازسازي كد يكي از اين روش ها است. بازسازي و بازآرايي كد روشي براي تميز كردن كدهاي نرم افزار و يكي از روال هاي بسيار مهم در حفظ كيفيت نرم افزار است. يكي از چالش هاي اصلي در توسعه و توليد كدهاي تميز در نرم‌افزار وجود كدهاي نابسامان يا بوهاي كد است.  بوي كد يك نشانه سطحي در كد است كه احتمالاً نشان دهنده ي يك مشكل عميق‌تر در نرم افزار مي‌باشد. وجود بوي كد ممكن است باعث كند شدن پردازش، افزايش خطر خرابي و همچنين خطاهاي نرم افزار شود. از اين‌رو، توسعه‌دهندگان نرم افزار درصدد هستند كه با شناسايي كدهاي نابسامان، ضمن بازآرايي كد نرم افزار، توسعه‌پذيري و نگهداشت‌پذيري آن را در آينده تسهيل كنند. با اين‌ حال، شناسايي دستي و غيرخودكار بوهاي كد چالش برانگيز و خسته كننده است. بنابراين، روش هايي براي شناسايي اين نوع كدها به صورت خودكار و     نيمه خودكار ارايه شده است. نكته حائز اهميت در روش هاي غيرخودكار آن است كه پيش‌بيني كدهاي نابسامان، نياز به دانش فردي افراد است كه هم زمان‌بر است و هم امكان خطا را افزايش مي‌دهد. ازاين‌رو، استفاده از روش هاي خودكار براي پيش بيني كدهاي نابسامان، ارجحيت بيشتري دارد.  تاكنون تحقيقات زيادي در حوزه پيش بيني و شناسايي كدهاي نابسامان به صورت خودكار انجام شده است. درصد زيادي از اين تحقيقات بر روي پيش بيني چهار نوع بوي كد شامل؛ متد طولاني، خصيصه حسادت، كلاس خدا و كلاس داده تمركز كرده اند. تمركز ما نيز در اين مقاله بر روي بهبود دقت استخراج اين نوع از كدهاي نابسامان است. يكي از روش هاي رايج براي پيش بيني اين نوع كدها، استفاده از روش هاي مبتني بر يادگيري ماشين است. شبكه‌هاي عصبي مصنوعي نوع خاصي از الگوريتم‌هاي يادگيري ماشين است كه مطابق با روش عملكرد مغز انسان مدل شده‌اند. به اين معني كه اين شبكه‌ها قادر هستند از داده‌هاي ورودي ياد بگيرند و پاسخ را در قالب پيش‌بيني‌ها و طبقه‌بندي‌ها ارائه دهند. در اين مقاله، براي پيش‌بيني كدهاي نابسامان نرم‌افزار از شبكه عصبي چند لايه و همچنين از يك روش انتخاب ويژگي جديد به‌ منظور افزايش دقت پيش بيني استفاده شده است.