数据驱动的软件过程挖掘研究

Software process model plays an important role in ensuring the development of high quality and efficient software products. In traditional process modeling, it has brought a series of problems, such as difficultly obtaining models, the complexity of modeling steps, the accuracy of the modeling results and so on. The project aims to propose a theory to build software process models automatically from massive process data. The theory mainly focus on the solutions to three scientific problems: the single-instance problem due to deficiency of instances, the problem of effectively mining software process of complex behaviors, and the results verification problem among multiple competitive quality-dimension. Firstly, the project will build a unified view to the software process data and propose a cross-platform extensible software process event stream descriptive language to transform the original implementation data into software process event logs. Secondly, event semantics is extracted to discover activity information, and then single firing sequence composed of activity information will be partitioned. Thirdly, a deep hybrid process mining approach for complex structure is proposed. At last, a software process verification approach is proposed to verifying the mining results. The project aims at building a theory foundation for software process mining, and establishing the bridge between process mining and process management, consequently the research has the important scientific significance and application value to improve the software process quality and efficiency.

软件过程模型对于保证开发高质、高效的软件产品具有重要作用。传统过程建模存在模型获取困难、步骤复杂、结果不准确等问题。本项目建立从海量过程数据中自动构建软件过程模型的方法，重点解决软件过程实例少而导致的单实例性问题、复杂行为的软件过程高效挖掘问题、相互竞争的多种质量维度间的结果验证问题。项目首先对软件过程数据建立统一视图，提出跨平台可扩展软件过程事件流的描述语言，将原始实施数据转化为软件过程事件日志；接着抽取事件语义来发现活动信息，进而对由活动信息所形成的单触发序列进行案例划分；然后提出面向复杂结构的深度混成过程挖掘方法；最后建立软件过程验证体系对挖掘结果进行验证。本项目旨在为软件过程挖掘奠定理论基础，建立过程挖掘与过程管理之间的桥梁，对于提高软件过程质量和效率具有重要的科学意义和应用价值。

软件过程模型对于保证高质量的开发软件产品具有重要作用。传统软件过程建模方法存在模型获取困难、步骤复杂、结果不准确等问题。为此，传统人为建模方法已经不能有效满足当前大数据时代软件工程领域对模型获取的需求。本项目旨在建立自动化地从软件开发组织已有的海量过程数据中挖掘过程模型的理论体系，提出了“活动发现-过程挖掘”的双层次软件过程挖掘方法。主要解决了以下关键问题:（1）针对海量、低质、异构等特征的开发数据无法直接适用于软件过程挖掘的问题，提出一种跨平台可扩展软件过程事件流的描述语言CPXSPES，为具有不同数据模式的异构过程数据建立统一视图，便于高效、准确、方便的数据存储和交换。（2）对如何准确地表达日志所蕴含活动的语义信息和行为特征进行研究，提出改进的结构连接向量模型，以及基于朴素贝叶斯的动态增量的事件-活动映射方法来解决开发中的实时性问题。（3）对挖掘开发日志所形成的单触发序列进行研究，证明了单触发序列划分基础的正确性，提出了启发式并行化的划分方法，该方法能够有效解决软件开发过程中常出现的迭代结构，并将单触发序列划分为多个实例以供过程挖掘算法执行。（4）对面向复杂结构的过程挖掘展开研究，详细分析了过程模型中复杂结构的基本特征，提出了支持复杂结构的混成过程挖掘方法，建立了能够用于存储具有复杂结构的过程模型库，以及基于完全前缀展开的过程模型索引与检索方法。（5）对所挖掘模型的正确性进行验证，从拟合度、简洁度、精确度以及泛化度四个相互竞争的质量标准来检查模型的合规性，提出了三维层面帕累托最优原则的模型质量评估方法。项目针对软件过程挖掘中的典型应用场景建立原型系统。大量基于真实数据的实验及案例研究表明，所提方法能够在多个质量维度达到最优。项目的执行为软件过程数据分析、活动抽取、过程挖掘及管理带来一种新思维，为软件开发过程挖掘奠定理论基础，对于提高软件产品质量和效率具有重要的科学意义和应用价值。