摘要：识别软件中的关键实体对于人们理解软件,控制和降低维护费用具有重要意义.然而现有的工作基本都是针对关键类识别的,针对关键包、方法/属性等的研究甚少;同时现有的工作也未能揭示关键类与软件外部质量属性间的关系.为丰富现有的工作,本文提出了一种基于加权PageRank算法的关键包识别方法.该方法用加权有向软件网络模型抽象包粒度软件系统,提出新度量PR（PackageRank）从结构角度量度节点重要性,并引入加权的PageRank算法计算该度量值.数据实验部分以六个开源Java软件为例,分析了包的PR值与常用复杂网络中心性指标（介数中心性、接近中心性、度数中心性等）间的相关性;使用加权的SIR（Susceptible-Infectious-Recovered）模型分析了PR所识别关键包的传播影响,并与其它相关方法进行比较,验证了本文方法的有效性;最后,以其中两个软件为例,分析了包的PR值与包可理解性间的关系,进一步验证了本文方法的有效性.

关键词：关键包 pagerank算法 软件网络 程序理解 

单位：浙江工商大学计算机与信息工程学院; 浙江杭州310018; 武汉大学软件工程国家重点实验室; 湖北武汉430072; 武汉大学计算机学院; 湖北武汉430072