Anwendung maschinellen Lernens zur benutzeradaptiven Erkennung von Entwurfsmängeln in objektorientierter Software

Die Qualität von Software kann je nach Anwendungsgebiet an unterschiedlichen Kriterien gemessen werden. Für große Software-Systeme spielen u. a. Kriterien wie Wartbarkeit, Verständlichkeit und Erweiterbarkeit eine wichtige Rolle. Unser Ziel ist es, Entwurfsmängel in SoftwareSystemen zu erkennen und somit ” schlechte“ — unverständliche, schwer erweiterund änderbare — Programmstrukturen zu vermeiden. Prominente Entwurfsmängel sind z. B. die von Fowler eingeführten Bad Smells. Entwurfsmängel werden abhängig von der Sichtweise und dem Erfahrungsschatz des Suchenden unterschiedlich interpretiert. Wir kombinieren daher bekannte Verfahren zur Erkennung von Entwurfsmängeln auf der Basis von Metriken mit maschinellen Lernverfahren. Damit kann Entwurfsmangelerkennung individuellen Sichtweisen angepasst werden. Wir präsentieren ein Werkzeug, das dieses Verfahren implementiert und zeigen die Ergebnisse einer ersten Fallstudie.1