软件特征定位是软件演化活动得以顺利展开的前提条件,软件特征定位研究结果的评估方案决定软件演化的波及范围,好的特征定位方法能够提高软件演化的效率。按分析方式定位不同特征定位可以分为:静态特征定位、动态特征定位、基于文本的特征定位及集成特征定位。目前集成特征定位具有较优的性能,然而集成特征定位性能的好坏取决于所集成单个方法的好坏。在单个方法中效果最好的是基于文本的特征定位方法,当前在该领域中基于信息检索的特征定位方法的性能是目前主流的方法。传统方法主要通过“词袋”模型来进行特征定位,然而“词袋”模式将语料关键字看作是独立同分布的,这样的假设难以保留词序信息、不能反应语义信息和不能解决数据稀疏性问题。由于代码也是一种特殊的文本符号.也具有丰富的上下文语义关系,所以也可以将代码看作是一种特殊的语言符号的表达,加上RNN(Recurrent Neural Networks)在自然语言中突出的表现,本文提出了利用RNNLM(Recurrent Neural Networks Language Model)进行面向主题的软件特征定位方法,以期利用RNNLM获取更良好的上下文语义关系。首先在类粒度对原始系统进行划分后获得初始语料库,接着进行预处理,而本文的预处理不像传统的特征定位一样对初始语料库进行分词、停词和词干还原等操作,仅去除语料库中与表达语义无关的符号。在获得语料库后用one-hot对语料库进行数值化后的结果作为RNNLM的输入,同时训练生成词向量,最后建立起类与类标的映射关系。对特征描述也进行同样的词向量化,然后检索出特征描述与每一个类的相似度作为实验结果的输出。实验结果表明,该方法具有较优的查准率。由于软件特征定位研究结果的评估方法影响着软件演化的波及范围,好的评估方法能够大幅提高软件演化的效率,结合本文方法、波及效应分析及当前评估方法,本文提出了一种新的软件特征定位研究结果的评估方法,数据分析表明该评估方法在大幅缩减软件演化的范围。