一种用于实际代码异味检测的轻量级混合方法

《IEEE Software》：A Lightweight Hybrid Approach to Practical Code Smell Detection

　　

摘要：

本文提出了一种适用于CPU的环境的多标签代码问题检测方法，该方法将轻量级语言模型嵌入（MiniLM）与标准化软件指标相结合，并训练多输出随机森林分类器。在SmellyCode++数据集上进行的五次80/20交叉验证中，该混合模型取得了0.9276 ± 0.0017的子集准确率、0.0191 ± 0.0004的汉明损失以及0.3890 ± 0.0081的微F1值；而宏观F1值为0.2021 ± 0.0098，这反映出在现实代码库中常见的严重类别不平衡情况下，较罕见代码问题的检测覆盖率较低。该方法旨在用于持续集成流程中，无需GPU或外部API即可在本地运行。我们描述了一种简单且可复现的工作流程，并展示了团队如何通过为不同代码问题设定阈值以及使用简单的“代码问题预算”来控制检测行为，从而合理分配审查工作量并管理技术债务。最终得到的是一种面向实际应用的、可部署的检测工具，它结合了语义上下文与结构化指标，同时具有较高的透明度，便于在日常开发流程中采用。