买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都理工大学申请的专利增量式代码异味检测与重构推荐系统及其方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119597614B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411416197.7，技术领域涉及：G06F11/3604；该发明授权增量式代码异味检测与重构推荐系统及其方法是由周游;王鑫怡;陈锐;高涵;倪文涛设计研发完成，并于2024-10-11向国家知识产权局提交的专利申请。

本增量式代码异味检测与重构推荐系统及其方法在说明书摘要公布了：本发明涉及代码异味检测与重构推荐系统技术领域，特别是增量式代码异味检测与重构推荐系统及其方法，包括代码抽取和静态分析模块，用于从目标项目中抽取待分析的代码片段并进行预处理，形成待分析文件；运行时信息采集和动态分析模块，用于在沙盒环境中运行待分析文件，采集并汇总运行时信息，形成动态分析报告；学习模块，用于接收静态分析结果和动态分析报告，综合考虑静态信息和增量模型更新报告，构建代码潜在特征的向量表示，并对增量学习模型进行更新；重构推荐模块，用于基于代码特征向量和增量学习模型，对每个代码片段进行评分，并推荐相应的重构规则，通过融合静态代码特征和动态运行时信息，从而提供更加准确的异味检测结果。

本发明授权增量式代码异味检测与重构推荐系统及其方法在权利要求书中公布了：1.增量式代码异味检测与重构推荐系统，其特征在于，该系统包括： 代码抽取和静态分析模块，用于从目标项目中抽取待分析的代码片段并进行预处理，形成待分析文件； 运行时信息采集和动态分析模块，用于在沙盒环境中运行所述待分析文件，采集并汇总运行时信息，形成动态分析报告； 学习模块，用于接收静态分析结果和所述动态分析报告，综合考虑静态信息和动态信息，构建代码潜在特征的向量表示，并对增量学习模型进行更新； 重构推荐模块，用于基于代码特征向量和所述增量学习模型，对每个代码片段进行评分，并推荐相应的重构规则； 所述运行时信息采集和动态分析模块包括： 沙盒环境单元，用于提供一个虚拟的代码执行环境； 代码插桩单元，采用JVMTI作为代码插桩工具，用于在程序执行过程中动态获取数据并执行方法调用； 信息采集单元，用于收集运行时信息，包括类负载时间、方法的执行次数、发生抛出或引发的异常、对象实例化数量； 分析报告生成单元，用于将所述运行时信息与代码的语义信息关联，生成动态分析报告； 所述学习模块包括： 静态特征提取单元，用于从所述待分析文件中提取静态特征； 动态特征提取单元，用于从所述动态分析报告中提取动态特征； 特征融合单元，用于将所述静态特征和所述动态特征融合，生成代码潜在特征的向量表示，其融合过程采用以下公式： ， 其中，为更新后的特征向量，为静态特征向量，为动态特征向量，为静态分析权重系数，取值范围为[0,1]； 增量学习单元，用于基于所述代码潜在特征的向量表示，对增量学习模型进行更新； 所述代码抽取和静态分析模块包括： 代码提取单元，用于从所述目标项目中抽取待分析的代码片段； 语法分析单元，用于保留与项目中的方法相对应的基本语法单元； 预处理单元，用于对所述代码片段进行预处理，生成待分析文件； 其中，所述预处理单元通过遍历文件，剔除注释，并用空语句补全每个函数体来完成预处理； 所述增量学习单元采用神经网络模型，包括输入层、隐藏层和输出层，其中： 所述输入层接收基于抽象语法树和token的序列数据； 所述隐藏层由多层神经元组成，每一层具有一个激活函数； 所述输出层输出代码潜在特征的向量表示； 所述神经网络的前向传播过程表示为： ， 其中，为第层的输出，为激活函数，为第层的权重矩阵，为第层的偏置向量，为上一层的输出； 所述重构推荐模块包括： 评分单元，用于基于所述代码特征向量对每个代码片段进行评分； 规则匹配单元，用于根据评分结果匹配重构规则数据库中的规则； 推荐生成单元，用于基于匹配结果生成重构推荐； 其中，所述评分单元采用以下公式进行评分： ， 其中，Score为代码片段的评分，为第i个评分因子的权重，为第i个评分函数，V为代码特征向量，R为重构规则集合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都理工大学，其通讯地址为：610059 四川省成都市二仙桥东三路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。