软件工程数据挖掘论文

摘要：随着计算机软件技术的不断发展，传统的软件维护工作越来越难。数据挖掘技术能够从软件工程数据中提取所需数据，从而有利于软件开发顺利完成。因此，软件工程数据挖掘技术的研究工作具有重要的应用价值。本文首先对数据挖掘技术的相关概念进行介绍，然后，对其面临的挑战及其未来发展方向进行分析。希望能够为有关的研究人员提供一些参考。今天小编给大家找来了《软件工程数据挖掘论文(精选3篇)》的相关内容，希望能给你带来帮助!

软件工程数据挖掘论文 篇1：

浅析软件工程数据挖掘研究进展

摘要：随着计算机信息网络的快速发展，数据挖掘在软件工程中的地位越来越突出。软件工程数据挖掘是在冗余的数据中发现有用的数据，从而得到更好地利用。社会的发展，科技的进步使得社会进入了网络信息热时代，随之计算机软件也不断增加，人们获取的信息大部分是人手动操作软件获得的，这样的信息量具有一定的局限性。因此，为了满足当今社会的需要，必须借助于软件工程数据挖掘的手段。

关键词：软件工程；数据挖掘；研究现状

利用数据挖掘技术对大量冗余的数据进行筛选从而得到少量精确的信息。冗余的数据是指既包含有用信息有包含无用信息，利用数据挖掘技术剔除掉多余的无用信息留下有用信息，这样既可以提高手机数据的质量又可以提高工作效率。所以，数据挖掘技术在当前的软件工程中起着越来越重要的作用。数据挖掘技术提取、筛选、分析和整理数据比人工操作软件获得的数据更精确更高效。同时，使用这种技术为软件开发者提供了有利的条件，它可以给软件开发者提供一些对其开发软件有用的信息。软件开发者想要更有效率的开发出更高质量的软件，就必须获得更多的更有用的数据，而想要收集和整理出有用数据就需要借助数据挖掘技术来实现，进而提高工作效率。

1 数据挖掘的基本概述

软件工程数据主要是指开发软件过程中所涉及的各类数据，如需求分析、可行性分析、设计等文档，开发商通信、软件注释、代码、版本、测试用例和结果、使用说明、用户反馈等信息数据，一般情况下其是软件开发者获取软件数据的唯一来源；而数据挖掘是指在海量数据中集中发现有用知识或信息的过程。

软件工程数据挖掘的工作原理 主要包括数据预处理阶段、挖掘阶段以及评估阶段三个方面。在挖掘阶段主要是运用分类、统计、关联、聚类、异常检测等一系列算法的过程。在评估阶段数据挖掘的意义主要在于其结果应易被用户理解，其结果评估主要有两个环节分别是模式过滤和模式表示。

数据挖掘在计算机软件工程中的研究相当多，它是分析数据的一种新颖方式。目前，随着社会工作的复杂度，需要更加完善的软件，因此对于软件代码的数量也在急剧增加进而导致了数据量的快速增长。而传统的数据计算方式已经不能满足目前对于大量数据进行分析的要求，所以，研究者希望能够发掘出一种新的数据分析方式更高效的整理出有用的数据信息。软件开发中会积累大量的数据，比如说文本数据，测试数据，用户信息数据以及用户体验反馈数据等等，软件开发者为了开发出更好的软件就必须分析和整理这些数据。但是，目前软件工程开发的软件越来越大，其数据越累越复杂对于数据的处理已经超出了人工处理的能力的范畴，所以说继续使用传统数据处理的方式来收集，整理和分析数据已经不可能实现。因此，推动了人们对于新的数据处理方式的研究，所以才提出了软件工程数据挖掘技术。

2 软件工程数据挖掘的应用

随着计算机软件工程的发展，可以发现传统的数据挖掘技术具有很多的不足，存在一定的缺陷。传统的数据挖掘技术的定位系统不完善，定位不精确，并没有体现出数据挖掘技术的高性能，它不足以满足当代对于数据处理的要求，因此需要对传统的数据挖掘技术进行改进和完善，这是我们目前的首要任务之一。为了迎合现代化网络信息技术的快速发展，需要发掘出新的数据处理模式，就是在这样的背景条件下，诞生了软件工程数据挖掘技术。相比于存在很多缺陷与不足的传统软件工程而言，软件工程数据挖掘技术更加简单、方便、高效以及精确。软件工程数据挖掘技术并不需要特定的技术平台，体现了其普适性。当前，我国已经开始深入的研究软件工程数据挖掘技术，但是，仍然需要更深的开发其性能以便更好地满足社会的需求。

3 软件工程数据挖掘面临的挑战

软件工程数据相比于普通数据更加复杂，所以对于软件工程数据进行处理具有很大的挑战性。处理软件工程的大量数据具有：软件工程数据复杂性，软件工程的数据处理非传统以及需要严格精确的软件工程数据的分析结果等三方面的困难。

3.1 对数据复杂性的分析

软件工程数据包括结构化数据和非结构化数据。软件工程中所产生的缺陷报告以及各种版本信息构成了结构化数据信息；而软件工程处理过程中所产生的代码信息和文本文檔信息构成了非结构化数据信息。由于这两类数据包含的具体内容不同，所以需要分别处理这两种数据，需要使用不同的算法对他们进行处理。虽然说需要不同方式处理这两种数据但是并不表示这两种数据之间没有任何联系，事实上，它们之间存在着重要的对应关系。例如：代码中存在着缺陷报告，版本信息中存在着对应的文档信息，由于它们之间存在着这样的对应关系，所以使得人们不能很好地对其进行整体分析，这就促使了人们开发出一种新的算法，新的数据分析技术能够同时将结构化信息和非结构化信息这两种对应数据一起挖掘出来。

3.2 对数据处理非传统的分析

分析和评估软件工程数据挖掘出来的信息，这是数据挖掘过程的最后一步。客户是软件工程数据挖掘数据处理的最后宿体，软件开发者需要对最终挖掘出来的数据进行转变，格式转变是为了满足广大客户对于数据不同的要求。但是，由于需要对数据进行格式转变，相当于增加了一定的工作量，那么软件工程数据挖掘的效率则会被大大降低。对于客户而言，他们需要的信息各种各样并不单一，比如说客户可能会同时需要具体的例子和编程代码等；或者说需要具体例子和缺陷报告等；或者三者皆需要。由此可见，我们仍然需要改进和完善软件工程数据挖掘技术来提高其效率。怎样才能做到让客户得到满意的数据挖掘结果呢？那么就需要高效的数据挖掘技术将各类信息进行归纳总结，改变其格式。这样的技术，不仅仅可以满足客户需求而且还可以使软件开发者从中得到更大的利益。

3.3 对数据挖掘结果好坏的评价标准

对于传统的数据挖掘技术而言，它也有一套自己的对于数据结果处理好坏的分析标准，而这个标准对于传统数据挖掘技术数据处理的分析较准确。但是，在当前的软件工程所要处理的数据量很大，传统的评价标准已经不能满足现在的数据分析要求；使用不同的数据结果评价标准来评判不同的数据挖掘结果。然而不同的评价标准之间的联系并不紧密，因此就需要开发者针对不同的数据类型做出不同的评价分析标准以便满足客户需求。想要对数据分析结果是否准确，数据挖掘的信息是否合理等等这些不同的问题进行更加深刻的了解，就要求开发者有独特的见解，对于数据结果是否精确有一定的判断能力。总之，获取准确的信息就是软件工程数据挖掘的目的。所以，最后获得的数据是否满足要求就是评判软件工程数据挖掘结果是否完美的标准。

4 对软件工程数据挖掘应用进行分析

4.1 对软件数据挖掘技术进行分析

在软件开发的过程中，数据挖掘技术包括两个方面：（1）程序编写；（2）程序成果。在这个过程中，程序结构和程序功能技术的主要作用就是检索出有效的信息。提升信息的有效性需要联系到客户的实际需要，同时也需要对程序编写过程进行智能化培训。将调用、重载和多重继承等关系家合起来进行有效的记录各种相关信息，重视静态规则的同时利用递归测试的方式来分配工作，从而更有效的掌握关联度之间的可信性。

4.2 做好软件维护中的软件工程数据挖掘工作

在软件维护的过程中，软件修复和软件改善工作依赖于数据挖掘技术。数据挖掘技术在软件缺陷以及软件结构等也起到了重要的作用。软件修复即维护者通过依据缺陷分派进行有效的评估并改善缺陷程序进而确定修复级别或者维护者可以选择缺陷修复方式，无论哪种方式最终目的都是进行软件修复来保证数据挖掘的高效性。缺陷分派即将缺陷转化为文本类型，采取有效措施来进行修复。但是，这样的方式它的实际准确率并不高，因而需要利用强化检测来完善缺陷报告技术。

4.3 注重高性能数据挖掘技术开发工作

数据挖掘技术体现在软件开发工作中的创新性不可或缺，在实际的工作过程中，目前的软件工程数据挖掘更加重视两个工作：（1）规则分析方式；（2）项目检索工作。总而言之，想要高效快速地寻找病毒，并对其进行全方位分析和评估得到准确的病毒数据需要高性能数据挖掘技术。只有提升数据分析的可行性，提升软件开发安全性能，才能更好地实现软件工程的良好发展。

5 总结

综上所述，數据挖掘技术的应用非常广泛，比如说分析代码、软件故障检测以及软件项目管理等三个方面应用较多。值得关注的是，当前对于数据挖掘技术的研究还不够成熟。因此，研究者需要对软件工程数据挖掘技术进行深入的研究，从而能够促进软件更好地开发和管理。相信在不久的将来，我们一定可以在数据挖掘方面取得非常好的优化效果。

参考文献：

[1] 江义晟.软件工程数据挖掘研究进展[J].电子技术与软件工程，2016（22）.

[2] 胡金萍.探析软件工程数据挖掘研究进展[J].电脑知识与技术，2017（34）.

[3] 马保平.关于对软件工程中的数据挖掘技术的探讨[J].电子技术与软件工程，2015（19）.

[4] 徐琳，王宁.数据挖掘技术在软件工程中的应用分析[J].数字通信世界，2015（8）.

作者：薄学

软件工程数据挖掘论文 篇2：

探索软件工程数据挖掘技术

摘 要：随着计算机软件技术的不断发展，传统的软件维护工作越来越难。数据挖掘技术能够从软件工程数据中提取所需数据，从而有利于软件开发顺利完成。因此，软件工程数据挖掘技术的研究工作具有重要的应用价值。本文首先对数据挖掘技术的相关概念进行介绍，然后，对其面临的挑战及其未来发展方向进行分析。希望能够为有关的研究人员提供一些参考。

关键词：软件工程；数据挖掘；发展趋势

1 引言（Introduction）

数据挖掘技术既是在海量的数据当中将需求信息挖掘出来的过程[1]。软件工程数据挖掘则是数据挖掘技术在软件工程领域的重要应用[2]。软件工程数据挖掘技术可以有效地提高软件的开发效率，增强软件的稳定性以及可用性，随着软件工程数据挖掘技术的不断提升，其应用范围更加的广泛[3]。因此，对其的研究工作不仅具有重要的学术价值，更具有重大的实际应用价值。本文重点探索软件工程数据挖掘技术面临的挑战以及将来的发展趋势。

2 软件工程数据挖掘（Software engineering data

mining）

（1）软件工程数据挖掘的必要性

软件工程数据主要是指在软件开发阶段积累的相关数据，其中包括软件的可行性分析以及需求分析文本，软件的注释或者代码等等。这些信息是软件开发者获取软件相关数据的唯一来源。随着软件研发技术以及规模的不断提升，其中包括的软件工程数据也是成指数性增长。例如：Linux操作系统软件，其仅代码一项就超过了500万行。这在无形中增加了软件开发者获取软件相关数据的难度。因此，借助于数据挖掘技术的软件工程信息搜索技术是十分必要的。

（2）软件工程数据挖掘任务及其过程

一般来讲，软件工程的数据挖掘工作主要包括：

a.软件数据的预处理。这一过程主要是将未曾加工的数据变为便于挖掘出来的形式。其主要涉及到不同来源以及格式数据的融合，进而转化成为统一格式的数据。选取数据挖掘任务有关的数据记录，并对数据中的噪音以及重复值进行清理。目前，数据挖掘的预处理技术主要采用的是LSA、PLSA、LDA等。

b.数据挖掘。这一过程主要是要将海量数据中能够反映出软件本质或者规律的信息搜取出来。其中运用了大量的算法。输入的是结构规整的数据，而将关联、分类等信息模式进行输出，这些信息模式与挖掘任务有关。

c.结果评估。这一过程的目的就是要是用户获得有用的信息。主要包括提出信息质量不高的部分结果数据，以及将计算机处理以及理解的信息模式转换成为用户能够理解的信息模式，并传递给用户。

2 软件工程数据挖掘存在的挑战（Challenge of

software engineering data mining）

（1）软件工程数据复杂度高

目前的软件工程数据主要包括结构化和非结构化两类数据。其中，结构化数据主要涉及到软件的版本相关信息以及缺陷报告等。非结构化数据主要包括一些软件代码、文档等。这两类数据不能采取同一种算法，但是两类数据之间却又存在着诸多相关性。因此，在数据挖掘算法开发上，要充分的考虑到两类数据的复杂联系，无形中增加了不小的难度。

（2）分析方法并非传统模式

软件工程数据挖掘工作的最后阶段是将获取的挖掘信息呈现给所需用户。在传统的数据挖掘应用过程中，例如：银行或者电子商务，都是将其转化为文字或者图表的形式。但是，软件开发者所需的信息并没有如此简单。其囊括了编程模板、缺陷定位等客户信息。因此，这对数据挖掘技术提出了更高要求。

（3）数据挖掘结果评价标准不一

数据挖掘技术在很多行业都已经广泛应用，并且，在结果表示以及评价标准制定等方面较为成熟，但是，在软件工程数据挖掘领域却不是这样。软件开发者需要获取的信息不仅详细而且极为复杂，同时，信息的表示方法也不尽相同，这样一来，为信息对比增加了不小的难度，因此，很难对数据挖掘结果进行定量准确分析。

3 软件工程数据挖掘问题的解决方案（Solution of

software engineering data mining）

（1）数据复杂性解决方法

软件工程数据的复杂性主要包括三方面：

a.数据的类型相对复杂。关于这一类型，目前一些学者提出可以从软件程序的结构图以及文本数据等方面进行信息挖掘。

b.数据间联系复杂。这一类型可以利用算法的改进，增强发现数据之间联系能力来提升数据挖掘结果的准确程度，例如：社会网络分析法比较适用于尚未存在大量研究工作的领域。

c.数据中存在噪音或缺失。这一类型可以采用类似于半监督学习的方法以达到有效控制因数据缺失所带来的不良影响程度。

总而言之，通过数据挖掘算法的不断改进，能够有效地解决数据复杂性问题。

（2）非传统分析的解决方法

相对于文字、图表等信息形式，软件开发者往往更需要软件使用范例。目前，很多研究成果会涉及到软件使用例程以及编程规则等。同时，在软件工程当中，程序可视化作为一种信息表示方法正在逐渐成为趋势，其与数据挖掘技术相结合，将会极大的满足更多的非传统分析需求。

（3）挖掘结果评估问题解决方法

传统的评估体系很难在软件工程数据挖掘中应用。为了解决这一问题，一些研究者试图利用缺陷检测效果评估法进行挖掘数据评价，但是，这种方法有点以偏概全的嫌疑。还有一些学者采用用户体验评价方法，但是在用户较少的情况下，结果评价的客观性不足。软件工程领域无论是理论研究还是实际应用，其服务对象始终都是人，由此可见，软件工程数据挖掘的结果评价方法会越来越贴近人类心理学以及管理学中的分析方法。

4 软件工程数据挖掘的发展趋势（Development

trend of software engineering data mining）

（1）基于现有问题，开法高性能挖掘算法

a.软件工程数据的检索由精确的关键词检索向模糊检索、甚至不受格式限制的自然语言检索发展，检索返回的内容从简单的语句向完整的文档发展。

b.缺陷检测工具从仅能够检测缺陷的原因向更加复杂、范围更加广泛的缺陷发展。

c.用人类自然语言表达行为方法及软件行为的模型将更加丰富，对应的表达能力也会大幅度提升。

（2）提出更为复杂的问题及其解决方法

a.将研究基于数据挖掘技术的软件结构分析方法。

b.将研究软件行为的评价方法和恶意软件检测方法。

c.通过数据挖掘方法定量分析、评估与预测软件的稳定性，从而指导软件的开发和维护。

d.进一步发现数据之间的关系，综合利用多方面的数据源进行挖掘。

（3）高效预处理，改进挖掘算法

研究更高效的数据预处理方法，最主要研究特征提取和数据降维方法；推进异构数据的管理和整合技术，如数据融合、数据空间等，以及分布式数据的并行处理技术。

（4）引入新的软件工程理念，指导数据挖掘工作

随着计算机网络技术的不断发展，软件开发工作逐渐呈现出了高效化、智能化，网络化特征。这些更是成为软件开发人以及数据的基本特征。正因为如此，软件模块的开发工作更加趋向于功能性以及可重用性。这样发展趋势势必会导致软件工程数据挖掘技术研究方向的改变。利用数据挖掘技术采集、整合网络数据，获得信息的方法；以及利用数据挖掘工具设计软件重用的规范和模式，以辅助可重用模块的开发。

5 结论（Conclusion）

随着计算机技术的快速发展，人们的生活也逐渐的进入到了网络化时代。各种应用软件的开发速度之快令人震惊，而这也对软件工程数据挖掘工作提出了更多、更高的要求。本文首先对软件工程数据挖掘技术的相关概念进行分析，然后，对其遇到的挑战和应对措施进行探索，最后，研究其未来的发展趋势。希望能够为有关的研究工作者提供一些参考性的建议。

参考文献（References）

[1] 毛澄映，卢炎生，胡小华.数据挖掘技术在软件工程中的应用

综述[J].计算机科学，2009（05）：1-6.

[2] 李新，张晓静，米燕涛.软件开发过程中的数据挖掘[J].石家庄

职业技术学院学报，2007（02）：31-33.

[3] 赵志升，罗德林，李海英.数据挖掘技术与应用[J].河北北方学

院学报（自然科学版），2006（06）：63-66.

作者简介：

孙黎明（1980-），男，硕士，讲师.研究领域：软件工程，图像

处理.

作者：孙黎明

软件工程数据挖掘论文 篇3：

软件工程数据挖掘研究进展

摘 要：数据挖掘是在海量数据集中发现有用信息或者知识的过程[1]。软件工程数据挖掘技术作为数据挖掘技术的一个分支，其本身又具有自己的特殊性。本文首先分析了软件工程数据挖掘技术的任务和面临的挑战，然后着重阐述了在软件开发阶段所面临的问题以及一些典型的解决方法。

关键词：软件工程；数据挖掘；研究进展

软件工程数据挖掘是数据挖掘技术在软件工程领域的应用和发展，是指在海量的软件工程数据中利用已有的技术或者开发新的数据挖掘技术和算法，经过提取、分析、表示等步骤，发现对软件开发者有用的信息或者知识的过程[2]。软件工程数据挖掘是传统数据挖掘技术在软件工程领域方面的一个分支，但是又有自己的特点，主要表现为：（1）软件工程的数据提取和处理问题；（2）挖掘算法的选择问题；（3）软件开发者的数据选择问题。本文就软件工程数据挖掘所能挖掘到的信息和知识及其挖掘过程展开论述，对其研究进展进行了总结。

1 软件工程数据挖掘的任务与挑战

软件工程数据挖掘作为数据挖掘技术的一种，其操作过程与传统的数据挖掘大致相同，一般可分为三个主要阶段：数据预处理，数据挖掘，结果评估。数据挖掘的常见的任务主要有：分类、估计预测、异常检测、对复杂混合信息的提取等。

软件工程数据挖掘与传统数据挖掘相比，又有其自己的特殊性，主要表现为以下几个方面：（1）数据更为复杂：软件工程数据不但包括软件报告和版本信息之类的结构化数据，还包括一些代码，注释之类的非结构化数据。两种不同的数据结构不能用同一算法进行运算，但是两类数据之间又有这非常重要的联系，这就使得其数据更为复杂；（2）分析结果的呈现更为特殊：传统的数据挖掘结果往往可以以多种结果进行呈现，如报表、文字等形式，而对于软件工程数据的挖掘而言，需要的不仅仅是要给用户一个统计结果，更需要的是给软件开发者一些更具体的实例，缺陷定位，或者设计结构之类的信息。因此，它需要研究一些新型的结果提交手段和方法；（3）挖掘结果的评价难以统一：传统的数据挖掘技术基本上已经形成了比较成熟的评价标准，但对于软件工程数据挖掘而言，软件开发者需要的信息非常具体而且复杂，相应的表示方法也是多种多样的，彼此之间很难形成比较，所以就很难形成一个统一的评价结果。

所以，软件工程数据挖掘的难点在于对对数据的预处理以及挖掘结果的表述上。下文对软件开发阶段所遇到的问题和解决方案进行总结。

2 在软件开发阶段所遇到的问题及解决方案

软件开发阶段的首要目的是编写程序。本节主要阐述了软件在代码编写和结果提交方面所面临的问题以及典型的解决办法。

2.1 代码的编写

软件代码的编写要求软件开发者对自己所要编写的代码的结构和功能了解后，按照自己的理解在大量的数据中找可复用的信息。一般来讲，编程所需的信息可划为三个部分：（1）开发者在已有代码中寻找可重用的代码；（2）开发者寻找可重用的静态规则，如类的方法和继承关系等；（3）开发者寻找可重用的动态规则，如应用程序接口调用的顺序等。

这些信息的寻找一般是通过软件的帮助文档、查看代码、求助他人实现的，这些方法的毫无疑问的会遇到许多问题，如帮助文档的准确性和完整性难以保证、代码量大、重用信息少等。

2.1.1 代码重用

代码的重用及最基本的问题就是开发者需要知道所需的类或者方法，然后浏览相关代码进行重用。这种搜索方式必然会浪费开发者很多的时间。文献[3]利用关键字从代码库中寻找可重用的代码，并根据相关度进行排序，其利用的原理就是课重用的代码必然模式是相似的，最终结果课通过上下文结构呈现出来，如类与类之间的关系。具体现实的步骤如下：

（1）构建具有例程及上下文架构的代码库；（2）开发者向代码库提交类的信息，并对反馈结果进行打分，共同组建代码库；（3）后来的开发者查询时候例程将安得分高低进行排序，供开发者查询。文献[3]大大降低了开发者查找重用代码的工作量，提供了一种描述重用模式的一种方法。

2.1.2 静态规则的重用

开发者在得到相关的代码之后，遇到的下个问题就是如何重用其静态规则，如类的继承关系等。文献[4]阐述了一种自动识别和呈现静态规则的方法。基本方法是：静态规则一般会被开发者重复利用，这些关系将以类与类关系的形式保存在代码库中，这种规则可以用关联规则进行发现。具体实现的步骤如下：（1）对代码库中类与类的关系进行搜索，并将其与其余类的关系存在代码库中；（2）对关联规则进行挖掘。这种规则的挖掘细分为两个问题：出现频率高的规则的发现，文献中使用的是Apriori算法；（3）对挖掘出的结果进行裁剪。对结果进行刷选，去掉一些无用的关联，向开发者提供更精炼的信息；（4）对不同的关联关系根据其在代码库中出现的频率进行排序，然后以列表形式呈现出来。

2.1.3 动态规则的重用

对于动态规则的重用已有很多研究，文献[5]采用了在编译器中安装一个插件用来查看代码是否符合某种动态规则，然后将不符合规则的以错误的形式告知开发者。

具体实现步骤如下：（1）开发者可对动态规则的顺序进行规定，在调用某一函数之前不能调用另一函数；（2）利用队列等简单的数据数据结构对结果进行保存，然后再编译器扩展中对其顺序进行检查；（3）对违反规则的代码进行反馈。

但是在实际开发过程中，开发者很难对动态规则进行预先的设定。文献[6]提出了一种自动发现这种规则的方式。主要利用人们的开发时习惯性遵循的规则，而违反此规则的可能出现问题。文献[6]主要针对两个事件发生的顺序进行发现。例如对于A事件必须发生在B事件之后，对于此类规则的发现，首先将先后调用的相同函数都设为规则，对每个规则进行验证，看每个规则是否成立。鉴于其得到的函数对可能非常之多，首先利用一些函数命名规则降低其数目，去除一些不可能的函数对，然后对剩下的函数对进行匹配。

3 结束语

目前对于软件工程的数据挖掘还在起步阶段，对于其研究还有很长的路要走。虽然有些公司已经发布了一些软件工程数据挖掘系统的框架，但距离商业化的应用还有相当一段距离，还有很多的研究要做。单从软件开发阶段所面临的挑战就如此之多，另外还有对软件工程数据的维护和修改方面的问题就更多。比如，对于检索结果的表示就有很大的分歧。相信随着以后研究的不断发展，软件工程数据挖掘的技术将会更加成熟，工具也会更加实用化，友好化，直至现实真正的数据自动挖掘系统。

参考文献：

[1]毛澄映，卢炎生，胡小华.数据挖掘技术在软件工程中的应用综述[J].计算机科学，2009（05）.

[2]李新，张晓静，米燕涛.软件开发过程中的数据挖掘[J].石家庄职业技术学院学报，2007（02）.

[3]张增敏，谢嘉，李长河，隋连升.数据挖掘技术在变电站设备及缺陷管理系统中的应用[J].山东农业大学学报（自然科学版），2006（04）.

[4]徐巍，覃俊.数据挖掘技术在电力负荷管理系统中的应用[J].现代电子技术，2008（10）.

[5]赵志升，罗德林，李海英.数据挖掘技术与应用[J].河北北方学院学报（自然科学版），2006（06）.

[6]郁抒思，周水庚，关佶红.软件工程数据挖掘研究进展[J].计算机科学与探索，2012（01）：1-31.

作者简介：王刚（1983.12-），男，河北黄骅人，本科，助教，研究方向：计算机应用技术；赵玥（1986.10-），男，河北保定人，本科，助教，研究方向：软件工程。

作者单位：北京交通大学海滨学院，河北沧州 061100

作者：王刚 赵玥