机器学习在Android代码异味检测中的应用

由于现有代码异味检测方法存在多方面的限制，无法准确高效的检测Android代码异味共存，提出基于机器学习的Android代码异味共存检测方法。首先提出并实现工具ASSD得到分离好的正负样本集，提取源代码中的文本信息作为机器学习分类器的输入，从而实现机器学习检测Android代码异味共存。设计对比实验，实验结果表明机器学习可以检测Android代码异味共存，并且检测效果较现有基于静态程序分析的检测方法有较大提升，其中随机森林模型效果最好，其F1值提升了22%。