伴随着互联网技术的一直发展,软件产品在人们的日常生活中扮演着越来越重要的角色,软件的功能也不断被丰富化,这导致了软件系统结构的复杂化,进而导致软件开发变得越来越困难。研究人员发现,函数是引起软件结构出现错误和缺陷的最小单位,也是缺陷和错误的最小传播单位,因此,软件结构中关键节点分析对于维护软件结构,保证软件质量和提高软件开发速度具有重要的指导意义。本文对动态软件结构展开分析和探讨,通过分析函数在软件执行过程中的行为特征,设计两种挖掘不同类型关键函数节点的算法,并通过实验分析算法的优势及准确率。首先,在Linux操作系统中利用GCC编译工具、追踪工具Pvtrace和可视化工具Graphviz等对动态软件结构进行数据化和可视化,得到软件运行过程中的函数执行序列和函数调用图,并分别映射为序列模型和复杂网络模型。其次,根据序列模型中的节点频繁执行相关信息,设计频繁节点挖掘算法DNFM,利用模型中的函数执行次序和调用关系等数据属性,从节点频繁执行的角度评估节点的关键度,预防频繁执行函数出错,影响软件质量。再次,根据序列模型和复杂网络模型中的函数关联度相关数据属性,设计关联节点挖掘算法PNMEA,挖掘与其他函数实体关联密切的关键节点,对数据传参等错误的定位和预防提供一定的理论指导和技术支持。最后,对以上两种算法编码实现,验证算法的有效性,同时,将本文算法与经典算法PageRank、Betweenness Centrality、Closeness Centrality和Degree Centrality以及传染病传播模型SI对比分析,证明本文算法能解决经典算法不能分析软件结构特征的弊端,能有针对性地挖掘动态软件结构中的关键节点。