面对种类和数量日益增长的Android应用程序,具有良好分类和描述信息管理的应用市场有助于用户进行程序搜索和推荐。目前应用市场中的程序分类以及描述信息的提供主要依靠人工操作完成,而已有的自动化分类研究工作均因特征选择不当或对已有信息分析不充分,导致对应用程序的分类准确率较低。且在描述信息方面,目前尚缺少相关的自动化研究工作。错误的分类或不准确的描述信息会导致用户下载到不相关的应用程序,不利于维护市场的稳定性。基于这些情况,本文提出并实现了一种基于代码调用分析的Android应用程序功能分类与描述技术,采用静态分析的方式,对应用程序的内部特征信息进行了提取,并结合深度学习模型,分别实现了应用程序的功能分类技术、应用程序功能描述词生成技术,为应用市场提供了具有一定参考性的自动化管理方法。具体研究内容如下:(1)提出了一种基于函数调用关系分析的Android应用程序功能分类方法。该方法采用静态分析技术来生成应用程序的函数调用图,从而提取函数之间的调用关系信息,并根据所设计的算法将其转换为一种新颖的矩阵结构。之后,为加强对特征中有效信息的使用而应用了两种特征选择方法,将矩阵转换为向量。最后使用由特征向量和类别标记的应用程序样本来训练卷积神经网络以建立分类器模型。经实验证明,所提出的方法达到了 88.9%的准确率,相对所参考的算法表现更佳。(2)提出了一种基于函数组合关系分析的Android应用程序功能描述词生成方法。该方法首先设计了一种词语描述度计算方法来对能够广泛的对各种应用程序的功能进行描述的词语进行挑选,然后以这些词语组成的集合为标签。采用了静态分析的方式对应用程序中的函数组合关系进行提取,并结合卷积神经网络算法建立了多标签分类模型来对能够表现应用程序多种功能的词语进行预测。在生成3个描述词的实验下,达到了 80.8%的精确度,具有一定的参考价值。