Data stream mining for predicting software build outcomes using source code metrics
软件开发项目涉及使用各种工具来产生软件工件。软件仓库,如源代码控制系统,已经成为一个重点的紧急研究,因为他们是一个丰富的信息源,有关软件开发项目。为了更深入地了解发展进程,挖掘这种储存库的做法越来越普遍。
2016-04-19 cs.SE
Mining Reviews in Open Source Code for Developers Trail: A Process Mining Approach
本文提出使用过程挖掘方法利用开源代码库数据构建日志并生成工作流网,以图形化描绘开发者活动顺序,并通过 Act-Trace 算法展示该方法。
2023-07-16 cs.IR cs.SE
Mining API Usage Scenarios from Stack Overflow
我们提出了一个框架,从堆栈溢出挖掘API使用场景。每个任务都由一个代码示例、任务描述和开发人员对代码示例的反应组成。首先,我们提出了一种算法,可以自动将论坛帖子中的代码示例链接到论坛帖子的文本内容中提到的API。其次,我们通过总结围绕代码示例的讨论来生成任务的自然语言描述。第三,我们自动关联开发人员的反应(即,积极和消极的意见),以提供有关代码质量的信息。我们使用三个基准评估算法。
2021-02-17 cs.SE
Guiding Software Developers by Social Networking Application Plug-in using the Multiple Bridge Source Repository through a Data Mining Integrated Approach
在当今世界,社交网络是一个重要的(充满力量的)大众传播媒介。几乎所有阶层的人都在通过使用不同社交网站中的大量用户友好应用程序相互交流并分享他们的观点,时刻和想法。找到一个从来没有听说过社交网络的人真是难以置信。可用的社交网站通常使其用户能够通过特定的模板和嵌入式代码源开发各种定制应用程序。具有一般开发知识的用户经常遇到重用这些资源的困难,最终缺乏指导方针和必要的API建议。在我们的工作中,我们提出了一个框架和模型,以帮助这些应用程序开发人员通过用户辅助插件工具,能够提供相同的API使用模式和序列,以响应特定的用户查询。我们将我们的系统命名为社交网络应用程序插件(SNAP)。我们搜索社交网络应用程序存储库,其中多个存储被桥接,并应用相应的挖掘算法,以找到相关的序列,以满足用户的需求。它提供了类似的、最相关的、功能性的API使用场景,并提供了一个选择、重用和修改推荐源的选项。从我们曾经做过的调查,我们的SNAP方法是能够推荐用户的无错误,可理解的,和最小的API模式。
2020-06-24 cs.SE
Finding Relationships between Socio-Technical Aspects and Personality Traits by Mining Developer E-mails
人格特质影响着大多数(如果不是全部的话)人类活动,从人们走路、说话、穿衣和写作的方式,到与他人互动的方式。最重要的是,个性会影响人们做决定的方式,包括在开发人员的情况下,他们在选择他们想要参与的软件项目时所考虑的标准。大多数研究软件开发项目中社会、技术和人为因素的影响的工作都集中在软件质量中沟通的影响上。例如,在发布软件产品的增强版本之前,识别预测器以检测可能包含错误的文件。这些作品中只有少数关注自由/自由和开源软件项目中具有提交权限的开发人员(提交者)的个性特征及其与他们交互的软件工件的关系。本文提出了一种方法,自动识别的基础上,从电子邮件发送的提交人在FLOSS项目的个性特征,揭示在软件开发过程中发生的社会和技术方面之间的关系。我们的实验结果表明,提交者通过他们的电子邮件和他们进行的社会(沟通)和技术活动所投射的人格特质之间存在一些关系。这项工作是一个初步的研究,旨在支持建立有效的工作团队,在软件开发项目的基础上,考虑到他们的个性特征的利益相关者的适当组合。
2016-03-03 cs.SE
Empirical Investigation of Quantum Computing Toolchains and Algorithms : Mining Stack Overflow Repository
M3S Empirical Software Engineering Research Unit, University of Oulu(奥卢大学 M3S 实证软件工程研究单位)
本文通过分析1404个Stack Overflow帖子,探讨开发者在量子计算领域的讨论主题、工具和算法使用情况,揭示了混合量子-经典计算和量子电路实现的主导地位,以及Qiskit和Q-sharp的主导地位。
2026-04-16 cs.SE
Do Developers Depend on Deprecated Library Versions? A Mining Study of Log4j
本研究利用 Mining Software Repositories 2025 数据集和 Goblin 框架分析超过 10,000 条日志,发现尽管 Log4j 1.x 已弃用且存在安全风险,但其使用率依然显著,且新启动的项目仍广泛采用此类已弃用库。
2025-04-04 cs.SE
Unveiling ChatGPT's Usage in Open Source Projects: A Mining-based Study
本研究通过挖掘并手动分析1,501个开源项目中的提交、PR和问题,识别出467个ChatGPT实际使用实例,构建了包含45项自动化任务的分类体系,为开发者和研究者提供了LLMs实际应用场景的系统性实证依据。
2024-02-26 cs.SE
Beyond the Code: Mining Self-Admitted Technical Debt in Issue Tracker Systems
自我承认的技术债务(SATD)是技术债务(TD)的一种特殊情况,开发人员明确承认他们的次优实现决策。以前的研究通过在源代码注释中搜索特定的TD相关术语来挖掘SATD。相比之下,在本文中,我们认为开发人员可以通过其他方式承认技术债务,例如,通过在跟踪系统中创建问题并将其标记为涉及TD。我们将这种类型的SATD称为基于问题的SATD或SATD-I。我们研究了从五个开源项目中收集的286个SATD-I实例的样本,包括Microsoft Visual Studio和GitLab Community Edition。我们发现,只有29%的研究SATD-I实例可以跟踪到源代码注释。我们还表明,SATD-I问题需要更多的时间来关闭,相比其他问题,虽然他们并不更复杂的代码流失。此外,在所研究的问题中,45%的TD是在早期引入的,近60%的TD是指设计缺陷。最后,我们报告说,大多数开发人员支付SATD-I,以减少其成本或利益(66%)。我们的研究结果表明,有空间设计新的工具,以支持技术债务管理,特别是工具,鼓励开发人员创建和标签问题包含TD的关注。
2020-03-20 cs.SE
Enhancing Software Development Process (ESDP) using Data Mining Integrated Environment
如今,重用现有的应用程序编程接口(API)、类库和框架已成为快速软件开发的基本需求。软件开发人员经常通过调用相应的API或库来重用它。但在这样做的时候,开发人员在搜索适当的代码段时通常会遇到不同的问题。在大多数情况下,API和库是复杂的,没有良好的结构或良好的文档记录。在线搜索引擎的搜索耗时长,但匹配的相关性不高,表示性不好。为了根据查询获得建议,我们可以使用搜索引擎或代码搜索引擎在线找到该片段。在某些情况下,依赖于数据库的搜索和基于远程Web服务器的挖掘存储库搜索给开发人员带来了问题。在代码搜索引擎上查找API建议通常会处理超大文件,最终会减慢软件开发过程。我们在整个工作过程中一直在寻找解决办法,并努力取得更好的结果。作为替代行动,我们已经实施了一个系统,我们称之为增强软件开发过程(ESDP)工具,该工具能够为开发人员提供一个高效的集成环境,更好地抽象和表示搜索结果,程序员需要从源代码中派生。我们还构建并应用了一个基于XML的丰富存储库,以从客户端的挖掘存储库中获得推荐,而无需与依赖于互联网的服务器进行交互,以节省复杂性和时间。我们使用基于图的表示为程序员或开发人员提供最相关的代码框架或映射。
2020-05-06 cs.SE
Mining API Interactions to Analyze Software Revisions for the Evolution of Energy Consumption
随着Android等移动平台的广泛使用和采用,出现了一个新的软件质量问题-能耗。然而,开发节能软件和应用程序需要知识和适当的工具来支持移动开发人员。为此,我们提出了一种方法来检查能源演变的软件版本的基础上,他们的API的相互作用。该方法源于这样一个假设,即API的利用率对运行时消耗的能量有直接影响。基于实证评估,我们展示了初步结果,即API交互可以作为一种灵活、轻量级且有效的方式来比较软件版本的能量演变。鉴于我们的初步结果,我们设想,在未来使用我们的方法,移动开发人员将能够获得的能源影响的变化,在软件开发生命周期的过程中的源代码的见解。
2021-03-21 cs.SE
"An Endless Stream of AI Slop": How Developers Discuss the Burden of AI-Assisted Software Development
Heidelberg University(海德堡大学);University of Melbourne(墨尔本大学);Singapore Management University(新加坡管理大学)
通过定性分析Reddit和Hacker News帖子,揭示开发者对AI生成低质量内容(AI slop)的感知与应对,归纳为审查摩擦、质量退化及系统诱因三大主题,指出其公地悲剧性质。
2026-08-31 cs.SE
Rule Mining for Correcting Classification Models
Fujitsu Limited(富士通有限公司);Osaka University(大阪大学)
针对模型修正需谨慎改变预测结果的场景,提出修正规则挖掘方法,结合频繁项集挖掘与剪枝技术,高效发现描述不准确子群体及修正方法的规则,助力数据补充、输出修正和概念漂移分析。
2023-10-14 cs.LG cs.SE
The Impact Of Bug Localization Based on Crash Report Mining: A Developers' Perspective
本文通过18个月、三个团队的实践,评估基于崩溃报告分组的缺陷定位方法,发现开发者选择候选缺陷时考虑多种因素,该方法精确度约80%,并收集了开发者对可疑文件实用性的反馈。
2024-03-16 cs.IR cs.SE
On the Use of Information Retrieval to Automate the Detection of Third-Party Java Library Migration at the Method Level
不同第三方库之间的迁移过程困难、复杂且容易出错。通常,在库迁移过程中,开发人员需要在新库中找到最适合替换退役库中旧方法的方法。这个过程是主观和耗时的,因为开发人员需要完全理解两个库应用程序编程接口的文档,并找到它们的方法之间的正确匹配(如果存在)。在这种情况下,一些研究依赖于挖掘现有的库迁移,为开发人员提供类似场景的示例方法。在本文中,我们介绍了一种新的挖掘方法,提取现有的实例库方法替换手动执行的开发人员为一个给定的库迁移自动生成迁移模式的方法级别。此后,我们的方法结合了挖掘方法的变化模式与方法相关的词汇相似性,以准确地检测替换/被替换的方法之间的映射。我们进行了一项大规模的实证研究,以57,447个开源Java项目为基准评估我们的方法,导致9个流行的库迁移。我们的定性结果表明,我们的方法显着提高了挖掘方法级映射的准确性,平均准确率为12%,以及增加发现的方法映射的数量,与现有的最先进的研究相比。最后,我们为社区提供了一个开源挖掘工具以及方法级别所有挖掘迁移的数据集。
2019-06-02 cs.SE
Interpreting Cloud Computer Vision Pain-Points: A Mining Study of Stack Overflow
Deakin University(迪肯大学);Monash University(莫纳什大学)
智能服务正变得越来越普遍;应用程序开发人员希望利用计算机视觉等领域的最新进展为用户提供新的服务和产品,大型技术公司通过RESTful API实现这一点。虽然这些API承诺易于集成按需机器智能,但它们当前的设计,文档和开发人员界面隐藏了许多底层机器学习技术。这样的API看起来和感觉像传统的API,但抽象出数据驱动的概率行为-开发人员以与其他传统云服务(如云存储)相同的方式处理这些API的含义是值得关注的。本研究的目的是确定开发人员在实现依赖于这些智能服务中最成熟的服务的系统时面临的各种痛点,特别是那些提供计算机视觉的系统。我们使用Stack Overflow来挖掘开发人员在使用计算机视觉服务时似乎面临的挫折的迹象,根据两个最近的分类分类法(文档相关和一般问题)对他们的问题进行分类。我们发现,与移动开发等成熟领域不同,开发人员提出的问题类型存在差异。这些都表明了对支持这种系统的底层技术的肤浅理解。我们讨论了这些发现的几个影响,通过学习分类的镜头,建议软件工程社区如何改进这些服务,并评论开发人员使用它们的性质。
2020-01-28 cs.AI cs.SE
ShikumiMiner: Mining Recurring Implementation Patterns in AI Codebases
University of Texas at Arlington(阿灵顿得克萨斯大学);Microsoft(微软)
本文提出ShikumiMiner静态分析框架,结合AST与CFG特征挖掘C++本地LLM代码库的重复实现模式,分析10个GitHub开源库并分类函数,为LLM应用开发者提供参考。
2026-09-03 cs.SE
G-Issue: Analyzing Lifetime and Evolution of Issue-related Artifacts from Open Source Repositories
University of Texas at El Paso(德克萨斯大学埃尔帕索分校)
提出G-Issue工具用于挖掘问题相关工件,通过对比实验和演化分析,发现其挖掘速度快但内存消耗大,并基于问题生命周期和演化可辅助优先级排序。
2026-06-23 cs.SE
Is Agentic Code Review Helpful? Mining Developers' Feedback to CodeRabbit Reviews in the Wild
The University of Melbourne(墨尔本大学);Monash University(莫纳什大学)
以CodeRabbit为例对智能代码审查进行实证研究,通过大量代码审查与开发者反馈数据,揭示其审查结果及被拒原因,还探索预测审查被拒的方法,指出改进空间与不足。
2026-07-24 cs.AI cs.SE
Mining DEV for social and technical insights about software development
软件开发人员是社会性的生物:他们通过各种渠道进行交流、协作和推广他们的工作。Twitter,GitHub,Stack Overflow和其他平台为开发人员提供了网络和交流想法的机会。研究人员分析这些网站上的内容,以了解软件工程的趋势和主题。然而,从Stack Overflow问题或GitHub问题的文本中挖掘的洞察力高度集中在软件开发的细节和技术方面。在本文中,我们提出了一个相对较新的在线社区的软件开发人员称为DEV。在DEV上,用户可以撰写关于他们在软件中的经验、偏好和工作生活的长篇帖子,从特定的问题和文件中缩小到更广泛的主题。大约50,000名用户发布了超过140,000篇与软件开发相关的文章。在这项工作中,我们使用主题模型描述了DEV上的帖子内容,显示开发人员讨论了软件开发的社会和技术方面的丰富多样性和混合。我们发现,开发人员使用DEV来宣传自己和他们的工作:83%的人将他们的个人资料链接到GitHub个人资料,56%的人将他们的个人资料链接到Twitter个人资料。14%的用户在他们的个人资料中固定特定的GitHub仓库。我们认为,DEV正在成为软件开发人员的重要中心,也是研究人员补充GitHub和Stack Overflow等平台数据的宝贵见解来源。
2021-05-16 cs.SE cs.SI
On Using Network Science in Mining Developers Collaboration in Software Engineering: A Systematic Literature Review
本研究的目标是识别,审查和分析已发表的研究工作,使用网络分析作为工具,了解人类协作的不同层次的软件开发。本文的研究结果对软件工程从业者和研究人员利用网络科学领域的工具挖掘软件资源库具有一定的参考价值。我们进行了系统的文献综述,根据纳入和排除标准分析了来自不同数字图书馆的一些选定论文。我们从4个数字图书馆中识别出$35$主要研究(PS),然后根据预定义的数据提取表从每个PS中提取数据。我们的数据分析结果表明,并不是所有在PS中使用的构建网络都是有效的,因为这些网络的边缘并不反映网络实体之间的真实关系。此外,在PS中使用的措施在许多情况下不适合所使用的网络。此外,在大多数情况下,PS报告的分析结果未使用任何统计模型进行验证。最后,许多PS没有为软件从业者提供可以改进软件工程实践的课程或指南。虽然网络分析在挖掘开发者协作中的应用在一些PS中显示出了令人满意的结果,但网络分析的应用需要更谨慎地进行。也就是说,所构建的网络应该具有代表性和意义,所使用的度量需要适合于上下文,并且应该考虑结果的验证。除此之外,我们还指出了一些可以应用网络科学的研究差距,并指出了一些可用于挖掘协作网络的最新进展。
2017-12-04 cs.SE cs.SI
Recommending Comprehensive Solutions for Programming Tasks by Mining Crowd Knowledge
开发人员经常在Web上搜索相关的代码示例以完成编程任务。不幸的是,他们面临两个主要问题。首先,由于他们的查询(任务描述)和与解决方案相关联的信息之间的词汇差距,搜索受到损害。其次,检索到的解决方案可能不全面,即,代码段可能会缺少简洁的解释。这些问题使得开发人员浏览数十个文档,以便综合出合适的解决方案。为了解决这两个问题,我们提出了CROKAGE(人群知识答案生成器),一个工具,需要描述的编程任务(查询),并提供了一个全面的解决方案的任务。我们的解决方案不仅包含相关的代码示例,还包含简洁的解释。我们提出的方法扩展了任务描述与相关的API类从堆栈溢出Q&A线程,然后减轻词汇差距的问题。此外,我们对最高质量的答案进行自然语言处理,然后返回包含代码示例和代码解释的编程解决方案,这与以前的研究不同。我们使用48个编程查询来评估我们的方法,并表明它的性能优于六个基线,包括统计上显著的优势。此外,我们对29名开发人员使用24个任务(查询)进行的评估证实了CROKAGE在建议代码示例的相关性,代码解释的好处和整体解决方案质量(代码+解释)方面优于最先进的工具。
2019-03-20 cs.SE
Promises and Perils of Mining Software Package Ecosystem Data
本文综述了挖掘软件包生态系统数据的承诺与风险,探讨了依赖网络获取、边界界定、未使用依赖检测、开发者识别等挑战,并强调了跨语言泛化问题。
2023-05-29 cs.SE
A Hybrid LTR-based System via Social Context Embedding for Recommending Solutions of Software Bugs in Developer Communities
Ferhat Abbas University(费尔哈特·阿巴斯大学);College of Sciences(理学院)
本文提出基于社交上下文嵌入的混合LTR系统,通过挖掘Stack Overflow实现软件bug解决方案推荐,达到78%的准确率。
2026-03-07 cs.AI cs.SE
Mining a Decade of Event Impacts on Contributor Dynamics in Ethereum: A Longitudinal Study
该研究基于以太坊10个主要代码仓库十年数据,运用统计、生存和网络分析揭示技术事件与市场事件对开发者活动的不同影响,并为社区在重大转型中维持开发势头提供启示。
2025-02-07 cs.CY cs.SE
git2net - Mining Time-Stamped Co-Editing Networks from Large git Repositories
来自软件仓库的数据已经成为软件工程过程实证研究的重要基础。存储库挖掘文献中反复出现的主题是开发人员网络的推断,例如从项目的提交历史中捕获协作,协调或通信。大多数研究的网络是基于在文件,模块或包的水平上定义的软件制品的合著。虽然这种方法导致了对软件开发的社会方面的见解,但它忽略了关于代码更改和代码所有权的详细信息,例如,哪些开发人员编写了哪些代码行,这些信息包含在软件项目的提交日志中。为了解决这个问题,我们引入了git2net,这是一个可扩展的python软件,可以帮助提取大型git存储库中的细粒度协同编辑网络。它使用文本挖掘技术来分析文件中文本修改的详细历史。这些信息使我们能够构建定向、加权和时间戳网络,其中链接表示一个开发人员编辑了最初由另一个开发人员编写的源代码块。我们的工具应用于开源和商业软件项目的案例研究。我们认为,它为人类协作模式的高分辨率数据开辟了一个巨大的新来源。
2019-03-25 cs.CY cs.SE cs.SI
Mining Software Repositories for Expert Recommendation
Department of Computer Science, University of Colorado Colorado Springs(计算机科学系,科罗拉多州立大学)
提出一种基于问题跟踪系统历史数据,利用BERTopic和TopicMiner技术,根据缺陷报告特征对开发者经验排序,以自动化分配缺陷并辅助人类分类员的方法,并通过Top-k准确率在Eclipse和Mozilla项目上验证其有效性。
2025-04-23 cs.AI cs.SE
SEART Data Hub: Streamlining Large-Scale Source Code Mining and Pre-Processing
本文提出SEART Data Hub,一个简化大规模源代码挖掘与预处理的Web应用,允许研究人员通过简单界面指定挖掘和预处理条件,快速构建定制化数据集,显著降低时间和计算资源成本。
2024-09-27 cs.SE
Relating IS Developers' Attitudes to Engagement
目前正在加大努力,以了解高度参与的信息系统开发人员的个性特征以及这些特征对发展成果的影响。然而,尽管社会动机理论指出了这种关系在一般团队工作中的重要性,但人们对细粒度研究态度以及将这种态度与开发人员的过程中活动联系起来的关注程度却较低。因此,我们应用语言分析,文本挖掘和可视化,以及统计分析技术,由474名开发人员开发的人工制品来研究这些问题。我们的研究结果表明,我们的样本是开发人员传达了一系列的态度,同时努力提供系统功能,和那些从业者谁沟通最多也是最参与。此外,在所考虑的八个语言维度中,关于工作和成就的表达以及有见地的态度与开发人员的参与关系最密切。因此,团队的多样性和为结果驱动的开发人员提供积极的支持可能有助于保持团队的平衡和绩效。
2021-02-12 cs.SE
Using Temporal and Semantic Developer-Level Information to Predict Maintenance Activity Profiles
传统上,软件项目特征的预测模型是基于项目级的度量,只使用很少的开发人员级信息,或者根本不使用。在这项工作中,我们提出了新的指标,捕捉时间和语义开发人员级别的信息收集每个开发人员的基础上。为了解决为大量源代码存储库的每个开发人员计算这些指标所涉及的可扩展性挑战,我们构建了一个指定的存储库挖掘平台。该平台用于创建一个基于处理近1000个非常流行的开源GitHub存储库的指标数据集,其中包括1.47亿个数据库,并由30,000名开发人员维护。计算的指标,然后预测的纠正,完善,和自适应的维护活动配置文件中确定以前的工作。我们的研究结果显示了强相关性和有希望的预测能力,R平方值分别为0.83,0.64和0.75。我们还展示了这些结果如何帮助项目经理在开发过程中发现异常,并建立更好的开发团队。此外,我们构建的平台有可能产生更多的预测模型,这些模型利用了大规模开发人员级别的指标。
2016-11-30 cs.SE
ArchISMiner: A Framework for Automatic Mining of Architectural Issue-Solution Pairs from Online Developer Communities
School of Computer Science, Wuhan University(武汉大学计算机学院);School of Computing Technologies, RMIT University(皇家墨尔本理工大学计算技术学院);Faculty of Information Technology and Communication Sciences, Tampere University(塔尔库大学信息科技与通信科学学院);School of Computer Science, Central China Normal University(中央师范大学计算机学院);School of Computer Science and Artificial Intelligence, Wuhan Textile University(武汉纺织大学计算机科学与人工智能学院);M3S Empirical Software Engineering Research Unit, University of Oulu(奥卢大学M3S经验软件工程研究组)
本研究提出ArchISMiner框架,结合ArchPI和ArchISPE组件,自动从Stack Overflow等开发者社区识别架构相关帖子并提取问题-解决方案对,实验取得高F1分数并发布超1.8万对数据集。
2025-10-24 cs.AI cs.SE
PUMiner: Mining Security Posts from Developer Question and Answer Websites with PU Learning
School of Computer Science, The University of Adelaide(阿德莱德大学计算机学院);Cyber Security Cooperative Research Centre(网络安全合作研究中心)
安全性在软件开发中越来越受到关注。开发人员问答(Q&A)网站提供了大量的安全讨论。现有的研究使用人类定义的规则来挖掘安全讨论,但这些工作仍然遗漏了许多帖子,这可能导致对问答网站上报告的安全实践的分析不完整。传统的监督机器学习方法可以自动化挖掘过程;然而,所需的否定(非安全)类太昂贵而无法获得。我们提出了一个新的学习框架,PUMiner,自动挖掘安全的问答网站的职位。PUMiner构建了一个上下文感知的嵌入模型来提取帖子的特征,然后开发了一个两阶段的PU模型来使用标记的Positive和Unlabeled帖子识别安全内容。我们对Stack Overflow上超过1,720万条帖子和Security StackExchange上的52,611条帖子进行了PUMiner评估。我们表明,PUMiner是有效的,在所有模型配置中的验证性能至少为0.85。此外,PUMiner的Matthews相关系数(MCC)分别比一类SVM,正相似性过滤和一阶段PU模型高0.906,0.534和0.084点。PUMiner在字符串匹配完全失败的情况下也表现良好,MCC为0.745。即使当标记的正面帖子与未标记的帖子的比例仅为1:100时,PUMiner仍然实现了0.65的强大MCC,比完全监督学习好160%。使用PUMiner,我们在Q&A网站上为从业者和研究人员提供最大和最新的安全内容。
2020-03-08 cs.IR cs.LG cs.SE
Does the Tool Matter? Exploring Some Causes of Threats to Validity in Mining Software Repositories
本研究通过对比两种工具分析十个大型软件项目,发现即使简单指标也可能相差500%,差异源于细微技术细节,并总结成因以帮助避免常见陷阱,提示工具中心研究结论的效度受限。
2025-01-25 cs.SE
The IntelliJ Platform: a Framework for Building Plugins and Mining Software Data
在软件工程中,人们正在积极研究大量新的方法,并在此基础上开发了许多工具。这些工具需要一个框架来创建,并有机会被潜在的开发人员使用。现代IDE提供了这两种功能。在本文中,我们描述了IntelliJ平台的主要功能,这些功能可能对正在开发代码分析工具的研究人员有用。为了说明使用该平台的好处,我们描述了研究人员可能感兴趣的几个用例:挖掘软件数据、在代码上运行机器学习模型、推荐重构以及在IDE中可视化数据。我们提供了实现这些情况的现有插件的几个示例。最后,为了更容易开始使用平台,我们为每个用例开发并提供简单的插件,这些插件可以作为新项目的模板。
2021-10-01 cs.SE
Rule Taxonomy and Evolution in AI IDEs: A Mining and Survey Study
School of Computer Science, Wuhan University(武汉大学计算机学院);School of Computer Science, Central China Normal University(中央师范大学计算机学院);School of Computing Technologies, RMIT University(皇家墨尔本理工大学计算技术学院)
通过挖掘83个开源项目中的7310条规则和99份从业者调查,建立了包含5个主类和25个子类的规则分类法,发现开发者重视架构约束但实际配置多为低级工作流和代码格式规则,规则演化主要由建设性上下文扩展和丰富驱动,且更新规则可使工件合规率平均提升22.99%。
2026-06-11 cs.AI cs.SE
Love, Joy, Anger, Sadness, Fear, and Surprise: SE Needs Special Kinds of AI: A Case Study on Text Mining and SE
University of Bari(巴里大学)
你喜欢你的代码吗?什么样的代码能让开发者最开心?是什么让他们最愤怒?是否有可能监控一个大型编码团队的情绪,以确定代码库何时何地需要额外的帮助?
2020-04-23 cs.CL cs.LG cs.SE
A First Look at Developers' Live Chat on Gitter
Gitter和Slack等现代通信平台在支持软件团队合作方面发挥着越来越重要的作用,特别是在开源开发中。此类平台上的对话通常包含密集的有价值的信息,可用于更好地了解OSS开发人员的沟通和协作。然而,在这方面所做的工作很少。为了弥补这一差距,本文报告了第一个关于开发人员实时聊天的全面实证研究,调查他们何时互动,社区结构是什么样的,讨论的主题是什么,以及他们如何互动。在第一阶段中,我们手动分析了749个对话框,然后在第二阶段中自动分析了超过173K的对话框。我们发现,开发人员倾向于在工作日更频繁地交谈,特别是在周三和周四(UTC),观察到三种常见的社区结构,开发人员倾向于讨论API使用和错误等主题,并且在实时聊天社区中确定了六种对话交互模式。根据研究结果,我们为个人开发人员和OSS社区提供了建议,突出了平台供应商所需的功能,并阐明了未来的研究方向。我们相信,这些发现和见解将有助于更好地了解开发人员的实时聊天,为其他研究人员铺平道路,以及更好地利用和挖掘嵌入在大量聊天历史中的知识。
2021-07-13 cs.SE
Towards Understanding Emotions in Informal Developer Interactions: A Gitter Chat Study
本文构建并分析人工标注的 Gitter 开发者聊天情绪数据集,揭示聊天相较 GitHub 评论的独特情绪信号及其对软件维护与演化工具的价值。
2023-11-08 cs.SE
TNM: A Tool for Mining of Socio-Technical Data from Git Repositories
工程师之间的协作网络反映在版本控制系统(VCS)中开发人员活动的痕迹中。从Git存储库中提取数据是从事社会技术分析的研究人员和从业人员的一项基本任务,但这需要大量的工程工作。随着人们对分析社会技术数据并将其应用于实践的兴趣日益浓厚,目前还没有灵活且易于重复使用的工具来从虚拟社区服务中检索社会技术信息。由于没有通用的可重用工具来完成这项任务,挖掘的负担将研究人员的注意力从他们的核心研究问题上转移开来。在本文中,我们介绍了TNM --一个从Git存储库中挖掘社会技术数据的开源工具。TNM快速、灵活、易于扩展。TNM可在GitHub上获得:https://github.com/JetBrains-Research/tnm
2021-03-17 cs.SE cs.SI
Data-Driven Evidence-Based Syntactic Sugar Design
针对编程语言语法糖设计依赖经验直觉的问题,本文提出将频繁子图挖掘应用于超1.6亿个Java方法的数据集,通过泛化控制流图挖掘代码模式,识别潜在新语法糖,为数据驱动的语言演进提供概念验证。
2024-02-02 cs.SE
Software Development Analytics in Practice: A Systematic Literature Review
Iscte - Instituto Universitário de Lisboa(里斯本伊塞特大学);University of Coimbra(科英布拉大学);Huawei Munich Research Center(华为慕尼黑研究中心);Federal University of Rio de Janeiro(里约热内卢联邦大学)
本系统文献综述分析了过去十年软件开发分析在实际环境中的应用,发现其数据源、挖掘方法多集中于质量维度,但在过程挖掘、时间与成本控制及风险管理方面仍存在较大改进空间。
2022-03-29 cs.SE
JEDI: Java Evaluation of Declarative and Imperative Queries
Università della Svizzera italiana (USI)(瑞士意大利语大学)
提出JEDI基准测试套件,通过自动将SQL基准转换为Java基准,分析Stream API与命令式实现的性能差异,以指导开发者优化代码。
2026-05-22 cs.PL cs.SE
Manas: Mining Software Repositories to Assist AutoML
Iowa State University(爱荷华州立大学)
如今,深度学习被广泛用于构建软件。深度学习的一个软件工程问题是,为任务找到合适的卷积神经网络(CNN)模型对开发人员来说可能是一个挑战。最近关于AutoML的工作,更准确地说是神经架构搜索(NAS),通过Auto-Keras等工具实现,旨在解决这个问题,基本上将其视为一个搜索问题,其中起点是默认的CNN模型,并且该CNN模型的突变允许探索CNN模型的空间,以找到最适合该问题的CNN模型。这些工作在产生高精度CNN模型方面取得了重大成功。然而,有两个问题。首先,NAS可能非常昂贵,通常需要几个小时才能完成。其次,NAS生成的CNN模型可能非常复杂,这使得理解它们变得更加困难,并且训练它们的成本也更高。我们提出了一种新的NAS方法,其中不是从默认的CNN模型开始,而是从GitHub提取的模型库中选择初始模型。直觉是,与默认模型相比,解决类似问题的开发人员可能已经开发了一个更好的起点。我们还分析了野外CNN模型的常见层模式,以了解开发人员为改进模型而做出的更改。我们的方法使用通常发生的变化作为NAS中的变异算子。我们扩展了Auto-Keras来实现我们的方法。我们使用Kaggle的8个投票最高的问题进行评估,包括图像分类和图像回归,结果显示,在相同的搜索时间下,在不损失准确性的情况下,Manas生成的模型比Auto-Keras的模型少42.9%到99.6%的参数。以GPU为基准,Mana…
2022-02-13 cs.LG cs.SE
SpaceX: Exploring metrics with the SPACE model for developer productivity
University Of California, Davis(加州大学戴维斯分校)
SpaceX研究通过SPACE模型探索开发者生产力的多维度量,揭示负面情绪与提交频率的正相关性,并提出复合生产力分数以解决开发者效能异质性问题。
2025-11-26 cs.AI cs.SE
Analysing Time-Stamped Co-Editing Networks in Software Development Teams using git2net
来自软件仓库的数据已经成为软件工程过程实证研究的重要基础。存储库挖掘文献中反复出现的主题是开发人员网络的推断,例如从项目的提交历史中捕获协作,协调或通信。大多数研究的网络是基于软件人工制品的合著。因为这忽略了代码更改和代码所有权的详细信息,我们引入了git 2net,一个可扩展的python软件,它有助于在大型git仓库中提取细粒度的协同编辑网络。它使用文本挖掘技术来分析文件中文本修改的详细历史。我们将我们的工具应用于两个案例研究,使用多个开源的GitHub存储库以及商业软件项目。具体来说,我们使用超过120万次提交和超过25'000名开发人员的数据来测试软件团队中开发人员生产力和共同编辑模式之间关系的假设。我们认为,git 2net开辟了一个巨大的高分辨率的人类协作模式的数据,可用于推进理论在经验软件工程,计算社会科学和组织研究的新来源。
2019-11-21 cs.MA cs.SE cs.SI
Leveraging Data Mining Algorithms to Recommend Source Code Changes
Carleton University(卡尔顿大学)
本研究针对现有代码变更推荐数据挖掘方法缺乏横向对比的问题,采用四种经典频繁模式挖掘算法在7个开源项目上做实证评估,得出不同算法适配不同规模项目、FP-Growth执行效率最优的结论。
2023-04-29 cs.AI cs.LG cs.SE