一种融合图结构信息的代码坏味检测方法

本发明公开了一种融合图结构信息的代码坏味检测方法，该方法首先通过解析源代码，构建抽象语法树并基于此进一步生成控制流图、函数调用图和类调用图等异构图模型，全面描述程序的执行逻辑、调用关系和数据依赖。然后，提取这些图结构中的重要特征，如基本块结构、函数调用深度、继承复杂度等，并利用机器学习算法进行模型训练和特征融合。通过集成学习方法，结合多个分类器的预测结果，采用投票机制进行最终决策，从而提高坏味检测的准确性和鲁棒性。与现有技术相比，本发明能够充分利用源代码中潜在的图结构中的多维信息，有效检测源代码中的坏味，提升代码质量分析的精度和效率，具有较强的可扩展性，适用于多种编程语言的代码坏味检测。