《表3 类在不同的模式下追踪到给定需求的可能性》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《通过代码模式改进基于IR的需求和代码之间追踪生成方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对于给定的需求，我们通过需求追踪矩阵（RTM）和类依赖关系获得每个类的代码模式.已知每个类的代码模式，可以进一步分析出每种代码模式包含哪些类，以及这些类中追踪到给定需求的类占的比例（由RTM可知类是否追踪到给定需求）.一种代码模式在给定需求下求得的比例值越高，any类在该模式下追踪给定需求的可能性越大.我们把每种代码模式在数据集中每个需求下求得比例值取平均，来比较any类在不同模式下追踪到给定需求的可能性.实验结果如表3所示，表中的N/A表示代码模式不存在，pure和mixed用于区分纯模式和混合模式.从实验结果可以看出，对于内部类，TT模式比例值的平均值是60%～65%，边界模式是5%～39%，NN模式0.5%～0.7%.i Trust数据集中没有一个叶子类追踪到需求.因此，我们不对i Trust数据集中的叶子类进行分析比较.对于叶子类，TT模式比例值的平均值是36%～83%，边界模式是10%～34%.NN模式是0.9%.对于内部类和叶子类，TT模式比例值的最低平均值比边界模式比例值的最高平均值分别高21%和2%，NN模式比例值的平均值远远小于TT模式和边界模式的比例值的平均值.因此，无论是内部类还是叶子类（或者根类），在TT模式下追踪的可能性都是最高的，其次是边界模式，而在NN模式下追踪的可能性远远小于在TT模式和边界模式的追踪的可能性.