计算机应用软件自动化开发技术分析

尹 杰

（辽宁省劳动经济学校 辽宁 沈阳 110045）

0 引言

计算机行业之所以能够在现代社会得到飞速、全面发展，除了先进技术、性能的推动作用外，还与计算机程序设计语言有直接关系。一般计算机编程语言有多种，按照应用的先后顺序与不同阶段，依次是“机器语言—汇编语言—高级语言”。在研发计算机阶段中，采用实际二进制，即机器语言，计算机可直接对其进行读取，但会面临代码过长的问题，缺少记忆点。在机器语言基础上，后期提出了汇编语言，将原本二进制代码替换为符号，增加了计算机应用软件编程环节的便捷性。但发展至今，计算机编程更多是以高级语言为主，属于一种与人类语言最为相近的编程语言，在开发计算机应用软件中应用可以提高效率，降低难度。基于目前软件开发的经验，编程语言还需要与自动化开发技术组合应用，以自动化形式开发、组建业务，使编程语言的效果达到最佳，也可以进一步提升软件开发质量。为此，本文围绕计算机应用软件开发中自动化开发技术的应用展开分析，介绍不同技术的应用要点，旨在提高计算机应用软件性能。

1 计算机应用软件开发自动化的方向

计算机应用软件开发向自动化方向转型，核心要义是“全自动化”，即开发全过程的自动化，直至已经生成业务组件［1］。事实上目前计算机应用软件的开发、应用中，已经实现了组装自动化，开发的所有业务组件，无论是生成还是重新应用，均在计算机中取得了明显的效果。应用软件业务组件在自动化技术的辅助下，还解决了质量、兼容、集成性等多领域的“疑难杂症”，使业务组件、业务组建与安装等，均实现了一体化的创新。

自动化技术与计算机应用软件开发融合，设计自动化系统，在开发过程中可以显著提高效率、优化软件开发效果［2］。站在用户角度，在实际操作软件中，无论是软件升级还是运维，都在自动化技术帮助下得到了保障。

2 计算机应用软件自动化开发技术与运用

2.1 代码生成技术

代码生成技术基于已有模板与既定规则，可以自动生成软件开发的代码。此技术比较常用于重复型软件的开发，具体包括表单、报表和数据处理。此外，通过代码生成技术，还可以自动生成框架代码或者是接口代码。工作人员除了比较基础的手写代码外，还可以选择文本替换、模板引擎的形式形成代码。模板引擎在代码生成中比较常见，具体使用的工具有Freemarker 和JET。下面分别介绍几种代码生成技术的应用要点。

2.1.1 代码模板技术

代码模板技术在开发计算机应用软件中，主要是采取预定义代码模板，自动生成代码。一般已有的代码模板中包含大量信息，是由程序结构、变量声明、函数定义等组成的，软件的开发人员仅需填写代码逻辑，便可以完成代码的生成。选择代码模板工具时，主要有Eclipse JDT 和IntelliJ IDEA［3］。

2.1.2 领域特定语言技术

所谓领域特定语言，是以特定领域开发的编程语言，采用的是定义领域中指定语法以及语义获得程序设计权。通过此技术将领域知识、代码生成组合，此时开发人员按照领域中指定的语法，便可以快速编写程序逻辑，再利用领域中指定的语言编译器，可以自动生成实际需要的代码。一般在软件开发中，比较常用Xtext 和JetBrainsMPS相关工具。

2.1.3 反射技术

计算机应用软件开发中应用的反射技术，本身属于运行状态下的动态生成代码的手段，当程序处于运行状态时，可以按照程序所需动态，自动生成代码［4］。此技术通过Java 所包含的反射机制，便可实现运行过程中利用不同信息，如方法信息和变量信息完成代码的生成，例如可以采用Java 反射应用程序接口（application programming interface， API）的手段。

2.1.4 元编程技术

元编程技术通过程序可以继续生成程序，利用编写元程序的方法，可以获得实际需要的代码。应用此技术期间，编译或者试运行过程中可以直接生成代码。注意在编译状态所生成代码，往往代码性能与稳定性更强。运行中生成代码则更具灵活性。例如选择元编程技术时，可以应用C＋＋模板元编程或者是Python 元编程工具。

2.2 数据挖掘技术

数据挖掘包含了统计学、数据库和机器学习等技术，现代社会中数据库技术水平不断提升，储存数据的途径越来越多，但数据量积累增多，也会带来一些问题。以企业为例，既往的数据查询与统计形式往往相对简单，但很难满足现代社会中的商业需求，需要在数据量激增，且相对繁琐的数据当中，以最快的速度提炼出价值高的信息。在此背景下为机器学习技术创建了适合的提升环境，数据库存储与计算机算法分析两项技术也得到融合，并且开始关注到数据的隐藏内容，随之提出了数据库知识发现（knowledge discovery in database， KDD）的概念。关于此概念的实现过程，流程共分为7 步：①数据清理；②数据集成；③数据选择；④数据转换；⑤数据挖掘；⑥模式评估；⑦知识展示。基于以上7 个环节可知，数据挖掘在KDD 是相对重要的一部分，梳理KDD 和数据挖掘之间的联系，见图1。

图1 KDD 和数据挖掘联系

计算机应用软件的开发中应用数据挖掘，划分任务包括以下几个方面：①分类；②预测；③关联分析；④聚类分析；⑤回归；⑥智能推荐以及其他。无论是企业还是政府，需要按照业务的具体内容，采用数据挖掘技术，在现有数据当中做出提取，提炼出价值高的信息，数据挖掘任务如图2 所示。

图2 数据挖掘任务

开发软件中应用数据挖掘技术，主要可以分为5 种方法：一是分类和预测，二是聚类，三是关联规则，四是时序模式，五是离群点监测。①分类与预测方法。此方法需按照先后顺序，基于已知类别数据集，由技术人员完成建模，此模型负责划分样本类别、监督学习的作用，在模型构建中准确率也比较高［5］。预测则是通过现有的数据集训练模型，发挥构建模型的作用，对未知样本数据表现做出预测，以此了解2 个或超过2 个变量的关系，构建互相依赖模型。此算法常见的技术有回归分析技术、人工神经网络技术以及决策树技术等。②聚类方法。此方法将所有相似对象依次划分至对应小组与集合，保证小组或集群具有较高的相似度，而且各组与各集群之间还要体现明显差异。一般可采用k 均值聚类（k-means）算法和k-中心点算法等。③关联规则分析。此方法也被称为购物篮分析，对2 个或超过2 个变量所具有的相关性进行分析，还可了解变量之间的相关性强度，有Apriori 算法和TP-Tree 算法等。④时序模式。此方法的作用是对时间或者序列潜在规律进行分析，了解发展趋势，根据已知值预测未知值。但需注意，样本数据更多是根据时间发生改变。主要有平滑法和趋势拟合法等。⑤离群点监测。此方法在软件开发中，可以发现与数据集包含的其余数据对象的显著区别，例如统计、邻近度、密度、聚类等基础上的离群点检测。

应用数据挖掘技术构建数据挖掘模型，包括流程如下：①设定挖掘目标；②采集数据；③数据分析与预处理；④建模；⑤模型评估；⑥分析模型结果。

3 计算机应用软件自动化开发及其案例分析

3.1 软件开发基本情况

为了更加全面地了解计算机应用软件自动化开发技术的应用效果，下面以数据管理软件为例展开分析。此软件主要是为了减少数据收集工作量、提高管理质效而设计。现总结软件设计需求如下：

（1）业务描述。软件系统角色分为普通用户与管理员，普通用户主要是注册登录、储存个人信息等，管理员包括登录、用户管理等。业务问题概述则需要从用户和管理员两个角度做出分析，前者包括注册、登录等业务，后者包括新增认知量表和用户管理两项业务。

（2）业务流程。具体包括流程有用户注册业务分析、用户登录业务分析、新增被试者基本资料业务分析、认知量表评估业务、认知数据管理业务。

3.2 软件开发与设计

3.2.1 功能包图

此次开发数据管理软件，整体功能包图见图3。

图3 软件功能包图

3.2.2 数据库与软件实现

此次开发数据管理软件，数据库包括数据库表（被试者表、报告表答卷表、量表答卷表、量表、评定卷等）、表间关系分析。软件开发环节需要应用多个工具，如Java 开发工具，具体选择的是IntelliJ IDEA，该工具主要用于代码编辑，功能是优化编程过程，提高软件开发效率。数据储存方面，选择的是MySQL 关系型数据库管理系统。整理软件开发环境见表1。

表1 软件开发环境

3.2.3 软件测试

当软件开发结束，技术人员需要组织测试。安排功能性测试时，要求采用设计测试用例。技术人员输入错误密码，观察软件当下的提示，或者是评估量表环节，技术人员填入信息储存失败，此时软件会给出提示。当所有测试用例结束，选择在云服务器上部署项目，同时完成软件维护。

另外，面向软件的使用对象即用户组织测试，用户表示软件的使用感较好，可以使用量表在线测试、管理评估数据。实际上在软件使用中，也会随之采集用户的反馈信息，定期更新系统。

3.3 建模与分析

3.3.1 自动化开发技术

此次数据管理软件开发阶段的建模，主要选择kmeans 算法，迭代求解聚类分析，应用步骤如下：①确定k值；②在数据集内，以随机的方式选取k个数据点，将此作为质心；③计算数据集内各点和质心间距，完成类别划分；④若计算得出的新质心和原质心间距，已经超出任意设定阈值，需要迭代②～④步骤；⑤若新质心和原质心间距，对比任意设定阈值较小，即可判定为聚类结束，算法也可在此时终止；⑥输出结果。

3.3.2 聚类分析

此次采用k-means 算法，即在数据集内部，对已经给出的k个簇聚类算法做出分析，按照业务需求与经验，由技术人员人为设定或选择方法，获得k值。期间还需进行计算，得出最优k值。具体可以选择的计算方法包括误差平方和、轮廓系数法等。

此次软件设计中应用误差平方和，技术人员在确定了各个k值后，再计算各簇内部的点与此聚类中心点距离之间的误差平方和。一般理论层面表示，计算得出的数值小，证明聚类结果好，且计算得出结果趋向于最小值。尽管增加簇数量能够达到减小数值的效果，但是却与聚类算法的应用初衷不符。轮廓系数法在应用中，技术人员确定i点，并对向量i和i所处簇内部其他点的间距进行计算，此为a（i）；再计算向量i至其他簇之间的点平均距离，此为b（i）。计算公式为：

式（1）中，S（i）为轮廓系数。根据公式（1），轮廓系数范围是［－1，1］，全部点轮廓系数计算平均数，为此次计算聚类结果轮廓系数，最终系数与1 越接近，代表聚类效果越好，且最终能够判定的是，此次开发数据管理软件的功能、性能等良好，满足使用需求。通过k-means 算法构建模型，并展开聚类分析，认识到软件各项功能的优劣势。以此为根据提出软件功能优化的措施。

3.4 系统安装

此次数据管理应用软件的上述所有开发设计流程结束后，技术人员可以采用自动化技术，安装软件到计算机系统中，技术人员需要对安装过程进行监督，以便安装过程出现问题可以马上处理。软件在计算机系统中安装，转换格式也至关重要，检查软件符合计算机系统要求的类型，可以最大程度体现出应用软件基本功能。一般计算机系统内部会安装防火墙，那么在软件安装中，技术人员应提前设置，要求软件可以自动取得在系统中的运行权限，保证软件的正确安装与应用。

4 结语

计算机应用软件作为支持计算机系统运行的关键之一，凭借多元化应用软件的功能，可以满足用户的操作需求。但是在计算机应用软件的开发中，要想满足逐渐多元化的使用与功能需求，技术人员需要应用自动化开发技术。通过本文对于自动化开发技术的介绍，一方面可以全面实现计算机应用软件开发过程的自动化转型，另一方面也能够提高软件开发的效率。立足于整体层面，自动化开发技术的应用为今后计算机应用软件的研发、设计夯实了技术基础，并且也能够进一步实现软件功能、性能等方面的不断改进。