Thirteen Years of Mining Software Repositories (MSR) Conference - What is the Bibliography Data Telling Us?
Mining Software Repositories（MSR）会议是软件分析领域的一个著名的、长期运行的旗舰会议，截至2016年已成功完成十多年。我们进行了一项基于文献计量学和科学出版物挖掘的研究，以研究会议在过去13年中的演变情况（从2004年到2007年作为研讨会，然后从2008年到2016年作为会议）。我们的目标是对MSR的状态进行检查，以便MSR社区能够确定会议的优势，改进领域和未来方向。
2016-09-20 cs.SE
Towards Applying Text Mining Techniques on Software Quality Standards and Models
许多质量方法在数百页的文本中进行了描述。人工处理信息会消耗大量资源。在这份报告中，我们提出了一个文本挖掘方法应用于CMMI，一个众所周知的质量方法。文本挖掘分析可以提供有关质量方法范围的快速概述。分析的结果可以促进对质量方法的理解和选择。
2013-11-11 cs.SE
Dependency-Aware Software Release Planning through Mining User Preferences
考虑用户偏好是优化软件发布价值的决定性因素。这是因为用户对软件功能的偏好指定了这些功能的价值，从而决定了发布的价值。然而，软件的某些功能可能会鼓励或阻止用户更喜欢（选择或使用）其他功能。因此，软件功能的价值可能会受到其他功能的积极或消极影响。这种影响被称为与值相关的特征（需求）依赖性。价值相关的依赖关系需要考虑在软件发布计划，因为它们影响的最佳子集的功能选择的发布计划模型的价值。因此，我们提出了考虑价值相关的功能依赖关系，在软件发布规划，通过挖掘用户的喜好，软件功能。我们已经证明了所提出的方法的有效性和实用性，通过研究一个现实世界的软件项目。
2017-02-18 cs.SE
Mining Software Metrics from Jazz
在本文中，我们描述了提取的源代码度量从Jazz存储库和应用程序的数据采掘技术，以确定最有用的这些指标预测的成功或失败的尝试构建一个工作实例的软件产品。我们目前的结果，从一个系统的研究，使用J48分类方法。结果表明，我们认为只有相对较少的可用软件度量对预测构建的结果有意义。这些重要的指标进行了讨论，并讨论了结果的影响，特别是能够预测失败的构建尝试的相对困难。
2014-07-09 cs.SE
Mining for Process Improvements: Analyzing Software Repositories in Agile Retrospectives
软件仓库包含有关软件工程团队如何工作、通信和协作的知识。它可以用于开发团队开发过程的数据信息视图，这反过来又可以用于过程改进计划。在现代敏捷开发方法中，过程改进发生在回顾会议中，在回顾会议中讨论最后的开发迭代。然而，在这些会议上进行的先前提议的活动通常不依赖于项目数据，而是完全依赖于团队成员的看法。我们提出了新的回溯活动，基于挖掘各个团队的软件存储库，以补充现有的方法，更客观，数据知情的过程视图。
2020-07-16 cs.SE
Automatic link extraction: The good, the bad and the ugly in software ecosystem mining
本文根据我们在RubyGems包管理器元数据中手动调查链接的经验，介绍了自动链接提取的陷阱。这项工作可以导致自动化的链接提取方法，以避免这些陷阱，并产生更完整的数据集，供研究人员使用时，他们调查软件生态系统的多平台演变。
2017-11-18 cs.SE
Software Metrics in Boa Large-Scale Software Mining Infrastructure: Challenges and Solutions
在本文中，我们描述了我们的经验，实现一些经典的软件工程度量使用Boa -一个大规模的软件存储库挖掘平台-及其专用语言。我们的目标是利用Boa的基础设施，提出新的软件度量，并通过软件度量来表征开源项目，提供基于大量开源项目的软件度量的参考值。提出的软件度量，众所周知，并提出在本文中，可以用来建立大规模的软件缺陷预测模型。此外，我们提出了我们在开发指标时遇到的障碍，我们的分析可以用于在未来的版本中改进Boa。所实现的度量也可以用作更复杂的开源项目探索的基础，并作为如何使用Boa实现软件度量的指南，因为度量的源代码可以免费获得，以支持可重复的研究。
2017-03-18 cs.SE
A Methodology of Guiding Web Content Mining and Knowledge Discovery in Evidence-based Software Engineering
系统性文献综述（Systematic Literature Review，SLR）是应用于循证软件工程（Evidence-Based Software Engineering，EBSE）的一种严格的方法论，用于识别、评估和综合相关证据，以回答特定的研究问题。受益于Web 2.0时代蓬勃发展的在线资料，技术Web内容开始成为EBSE的替代来源。Web知识已经从Web内容挖掘和知识发现技术中得到了研究和推导，但是它们仍然与回顾学术文献有显著的不同。因此，EBSE中直接采用Web知识缺乏系统的指导。在本文中，我们提出了一个SLR的适应，以弥合上述差距沿两个阶段。首先，我们遵循SLR的一般逻辑和程序来规范Web挖掘活动。其次，我们用Web挖掘友好的方法和途径替代和增强特定的SLR过程。在第二阶段，我们主要专注于通过集成一组自动化组件，从编程搜索到各种文本挖掘技术，来适应进行审查。
2017-04-25 cs.SE
Reliable Mining of Automatically Generated Test Cases from Software Requirements Specification (SRS)
编写需求是一个双向的过程。在本文中，我们使用分类功能需求（FR）和非功能需求（NFR）的声明，从软件需求规格说明（SRS）文件。这是系统地转化为考虑所有相关信息的状态图。目前的文件概述了如何测试用例可以自动生成这些状态图。状态的应用产生不同的测试用例作为规划问题的解决方案。测试用例可用于系统级的自动或手动软件测试。提出了一种利用挖掘方法对测试用例进行约简的方法，从而方便了测试用例的挖掘和知识提取。
2010-02-05 cs.SE
More Effective Software Repository Mining
背景：公共Git软件仓库的数据采掘和分析是一个不断发展的研究领域。用于调查单个项目或一组项目的研究工具已经得到改进，但不清楚在这种“方便样本”上获得的结果是否具有普遍性。目的：本文旨在阐明所面临的困难，研究人员谁想要确定他们的研究结果的普遍性，通过引入一个接口，解决了与获得代表性样本的问题。结果：为了做到这一点，我们探讨了如何利用代码系统的世界，使软件存储库的采样和分析更容易。具体来说，我们为挖掘软件库研究人员提供了一个资源，旨在简化数据采样和检索工作流程，并通过此提高数据的有效性和完整性。结论：该系统有可能为研究人员提供一个资源，大大减轻了数据检索的难度，并解决了许多目前存在的问题与数据采样。
2020-08-17 cs.SE
Software stage-effort estimation based on association rule mining and fuzzy set theory
依靠早期的工作量估计来预测所需的资源数量通常是不够的，并且可能导致低估或高估。人们普遍认为软件开发过程应该定期地进行改进，而在软件开发早期所做软件预测仍然是一种猜测。即使是良好的预测也不足以应对固有的不确定性和风险。阶段工作量估算允许项目经理重新分配正确数量的资源，重新安排项目进度，并控制项目进度，使其在预算内按时完成。在本文中，我们提出了一种方法，利用以前的努力记录来预测阶段的努力。该模型结合了模糊集理论和关联规则挖掘的概念。结果是良好的预测精度方面，并有潜力提供良好的阶段努力估计。
2017-03-13 cs.SE
A Comprehensive Survey of Logging in Software: From Logging Statements Automation to Log Mining and Analysis
University of Waterloo（滑铁卢大学）
日志被广泛用于记录软件系统的运行时信息，例如事件的时间戳和重要性，日志源的唯一ID，以及任务执行的部分状态。日志的丰富信息使系统开发人员（和操作员）能够监控其系统的运行时行为，并进一步跟踪系统问题，并对生产环境中的日志数据进行分析。然而，先前关于利用日志的研究是分散的，这限制了该领域的新研究人员快速获得速度的能力，并阻碍了当前活跃的研究人员进一步推进该领域。因此，本文调查和提供了一个系统的文献综述和映射的当代日志记录的做法和日志语句的挖掘和监测技术及其应用，如在系统故障检测和诊断。我们研究了大量出现在顶级同行评审场所的会议和期刊论文。此外，我们还绘制了正在进行的研究的高层次趋势，并将出版物进行了细分。最后，根据我们在本次调查中的整体观察，我们提供了一系列挑战和机遇，这些挑战和机遇将引导学术界和工业界的研究人员推动该领域的发展。
2022-01-01 cs.LG cs.SE
Profiling Software Developers with Process Mining and N-Gram Language Models
内容：剖析开发人员是一项挑战，因为许多因素，如他们的技能，经验，开发环境和行为，可能会影响详细的分析和连贯的解释交付。目的：我们的目标是通过挖掘软件开发过程来分析软件开发人员。为此，我们进行了一个受控实验，在Python编程竞赛的领域中，一组开发人员具有相同的定义良好的需求规范集和定义良好的sprint时间表。事件收集自PyCharm IDE和Mooshak自动陪审团，其中受试者签入他们的代码。方法：我们使用n-gram语言模型和文本挖掘来描述开发人员的配置文件，并使用过程挖掘算法来发现他们的整体工作流程，并提取相应的度量以供进一步评估。结果如下：研究结果表明，我们可以清楚地与一个连贯的理由大多数开发人员的特点，并区分最高性能的更具挑战性的行为。这种方法可能最终导致创建一个软件开发过程气味的目录。结论：开发人员的个人资料为软件项目经理提供了一个线索，选择适当的任务，他/她应该被分配。随着低代码和无代码平台的使用越来越多，其中编码是从上层抽象层自动生成的，挖掘开发人员在开发平台中的行为是一种很有前途的方法，不仅可以早期检测行为，还可以评估项目复杂性和模型工作量。
2021-01-17 cs.SE
Retrieving and mining professional experience of software practice from grey literature: an exploratory review
背景资料：检索和挖掘从业人员的自我报告，他们的专业经验的软件实践可以提供有价值的证据进行研究。然而，我们不知道在这一领域进行的任何现有的研究审查。目的：回顾和分类以前的研究，并确定深入的挑战时，检索和挖掘从业人员的自我报告，他们的经验，软件实践的研究所面临的。方法：我们进行了一个探索性的审查，以确定和分类42篇文章。我们分析了这些文章的选择，以了解采矿专业经验的挑战。结果：我们只找到了一篇直接相关的文章。即使如此，本文关注的是软件专业人员的情感体验，而不是软件实践中发生的行为和事件的专业报告。我们讨论的挑战涉及：专业经验的普遍性;定义、模型和理论;数据的稀疏性;话语分析的单位;注释者协议;算法性能的评估;以及缺乏复制。结论：在这一领域似乎没有进行直接相关的先前研究。我们讨论了在二级研究中报告阴性结果的价值。有一系列的研究机会，但也有相当大的挑战。我们制定了一套指导性的问题，在这一领域的进一步研究。
2020-09-30 cs.SE
Toward Mining Visual Log of Software
在本文中，我们将软件系统的可视化日志定义为捕获其用户与其图形用户界面（GUI）之间的交互的数据，例如屏幕截图和屏幕记录。我们的愿景，挖掘这样的视觉日志可能是有用的错误再现和调试，自动化GUI测试，用户界面设计，问答的常见用法的软件支持等，朝着这个愿景，我们提出了一个核心框架，挖掘软件的视觉日志。该框架的重点是检测GUI元素和可视化日志中的更改，删除用户的私有数据，识别用户与GUI元素的交互，以及学习GUI使用模式。我们还对移动应用程序中GUI元素的特征进行了一项小型研究。从这项研究的结果提出了几个设计识别GUI元素和交互技术的技巧。
2016-10-27 cs.HC cs.SE
Mining Software Repair Models for Reasoning on the Search Space of Automated Program Fixing
本文通过分析软件仓库中数以千计的错误修复事务来理解错误修复的本质。然后，它将这些学习到的知识放在自动程序修复的上下文中。我们给出了大量的经验结果，在大规模和细粒度的抽象语法树差异的性质，人类的错误修复。我们建立了数学推理的搜索空间的自动修复和时间，通过应用我们的方法对14个存储库的Java软件和89,993版本事务，我们表明，并非所有的概率修复模型是等价的。
2013-11-14 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
The Rise of Language Models in Mining Software Repositories: A Survey
SCORE Lab, I3US Institute, Universidad de Sevilla（塞维利亚大学）
本文综述了语言模型在软件仓库挖掘中的应用，分析了85篇论文，探讨了模型的应用方式、分析的 artifacts 类型、模型演变及可重复性，提出分类并指出未来研究方向。
2026-08-04 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
Anvaya: An Algorithm and Case-Study on Improving the Goodness of Software Process Models generated by Mining Event-Log Data in Issue Tracking System
Indraprastha Institute of Information Technology, Delhi (IIIT-D)（德里英德拉普拉斯塔信息技术学院（IIIT-D））；Software Analytics Research Lab (SARL)（软件分析研究实验室（SARL））
问题跟踪系统（ITS），如Bugzilla，可以被视为过程感知信息系统（PAIS），在bug报告的生命周期中生成事件日志。过程挖掘包括挖掘从PAIS生成的事件日志，用于过程模型发现、一致性和增强。我们应用进程图发现技术，挖掘开源Firefox浏览器项目ITS中产生的事件跟踪数据，生成和研究进程模型。缺陷生命周期由多样性和方差组成。因此，从事件日志生成的过程模型是具有大量边、互连和节点的意大利面条。这样的模型分析起来很复杂，过程分析人员很难理解。我们通过聚类结构相似的痕迹将事件日志分成同质子集来提高过程模型的良好性（适应度和结构复杂性）。我们采用两种不同的距离度量：最长公共子序列（LCS）和动态时间弯曲（DTW）的K-Medoid聚类算法。我们使用复杂性和适应性指标来评估从集群生成的过程模型的良好性。我们研究来回\和自我循环，错误重新开放，并在集群中获得的瓶颈，并表明聚类可以更好地分析。我们还提出了一个算法来自动聚类过程-该算法作为输入的事件日志，并返回最佳的集群集。
2015-11-22 cs.LG cs.SE
A Process Mining Software Comparison
www.processmining-software.com是一个专门用于流程挖掘软件比较的网站，旨在为从业者和研究人员提供市场上可用的商业工具的概述。基于文献综述和实验工具测试，开发了一套标准，以客观地评估工具的功能能力。通过我们的公开网站，我们打算增加工具功能的透明度。作为一项学术工作，这项研究的非商业性质确保了与分析公司的报告相比，评估的偏见较少。
2021-02-04 cs.HC cs.SE
A Framework for Using LLMs for Repository Mining Studies in Empirical Software Engineering
本研究基于两项软件仓库挖掘研究的经验，提出名为PRIMES的LLM仓库挖掘研究框架，含提示词优化检查清单与结果追踪机制，可提升相关研究的可靠性与可复现性，并指出未来需解决幻觉等挑战。
2024-12-12 cs.SE
Better Software Analytics via "DUO": Data Mining Algorithms Using/Used-by Optimizers
本文认为，一个新的领域的实证软件工程的研究和实践正在出现：数据采掘使用/使用优化器的实证研究或DUO。例如，数据挖掘器可以生成由优化器探索的模型。此外，优化器可以建议如何最好地调整数据挖掘机的控制参数。这种综合方法就像一个探员靠在分析师的肩膀上，建议“接下来问这个问题”或“忽略那个问题，它与你的目标无关”。此外，这些代理可以帮助我们构建“更好”的预测模型，其中“更好”可以是更高的预测准确性或更快的建模时间（这反过来又可以探索更广泛的选择）。我们还警告说，仅仅使用数据挖掘机的论文时代即将结束。从未优化的数据挖掘器中获得的结果可以很快被反驳，只需应用优化器来生成不同的（并且性能更好的）模型。因此，我们的结论是，对于软件分析来说，使用DUO将数据采掘和优化结合起来是可能的、有用的和必要的。
2019-12-13 cs.SE
Cross-Dataset Design Discussion Mining
能够识别主要关于设计的软件讨论，我们称之为设计挖掘，可以改进软件系统的文档和维护。现有的设计挖掘方法使用自然语言处理（NLP）技术具有良好的分类性能，但这些方法的结论稳定性普遍较差。到目前为止，在软件项目的给定数据集上训练的分类器在不同的工件或不同的数据集上工作得不好。在这项研究中，我们复制和综合这些早期的结果在荟萃分析。然后，我们应用最近的工作在迁移学习的自然语言处理的设计挖掘的问题。然而，对于我们的数据集，这些深度迁移学习分类器的性能并不比不太复杂的分类器好。最后，我们讨论了设计挖掘的迁移学习方法背后的一些原因。
2020-01-06 cs.SE
SBAN: A Framework & Multi-Dimensional Dataset for Large Language Model Pre-Training and Software Code Mining
本文提出SBAN多维数据集（含超300万样本，覆盖二进制、汇编、自然语言和源代码），用于LLM预训练与软件代码挖掘，支持跨表示学习、恶意软件检测等任务。
2025-10-27 cs.IR cs.SE
Mining Software Repositories with a Collaborative Heuristic Repository
许多软件工程研究或任务依赖于对软件工程工件进行分类。在实践中，这是通过定义简单但通常不精确的分类，或者通过人工标记工件来完成的。不幸的是，这些分类中的错误会影响依赖它们的任务。为了提高这些分类的精度，我们建议在一个协作的启发式存储库中收集知识，研究人员可以为各种SE工件上的各种任务贡献大量不同的知识。然后，利用最先进的弱监督技术来训练高质量的分类器，从而改进分类。我们提出了一个初始版本的启发式存储库，我们适用于提交分类的具体任务。
2021-03-02 cs.SE
Mining for sustainability in cloud architecture among the discussions of software practitioners: building a dataset
本文通过挖掘 StackExchange 上 192 条从业者讨论构建云架构可持续性标注数据集，发现从业者侧重设计阶段和技术与经济可持续性，与学术界强调环境可持续性形成对比。
2024-06-10 cs.SE
A Process Mining-Based System For The Analysis and Prediction of Software Development Workflows
Inverbis Analytics SL
CodeSight是一个端到端系统，通过将GitHub数据转换为过程挖掘日志，并利用LSTM模型预测PR解决时间，实现软件开发工作流截止日期遵守情况的早期预测，展示了过程挖掘与机器学习结合在主动项目管理中的价值。
2025-10-31 cs.AI cs.SE
Intention-Oriented Process Model Discovery from Incident Management Event Logs
面向意图的过程挖掘是基于这样一种信念，即过程的基本性质大多是有意的（不同于面向活动的过程），旨在从过程制定期间记录的事件日志中发现策略和有意的过程模型。在本文中，我们提出了一个面向意图的过程挖掘领域的事件管理的信息技术基础设施库（ITIL）的过程。我们在一个大型的真实世界数据集上应用地图挖掘方法（MMM）来发现隐藏的和不可观察的用户行为，策略和意图。我们首先发现用户策略从给定的活动序列数据应用隐马尔可夫模型（HMM）的无监督学习技术。然后，我们处理发现的HMM的发射和转换矩阵，以生成一个粗粒度的映射过程模型。我们提出的第一个应用程序或研究的新的和新兴的领域面向意图的过程挖掘事件管理事件日志数据集，并讨论其适用性，有效性和挑战。
2015-07-04 cs.SE
Integration of Design Patterns and Mobile Applications in a Management System for Monitoring Maintenance Cathode Plates of Mining Company Quebrada Blanca SA
本文档介绍了设计模式和移动应用程序的集成，在开发软件管理板（SIGEP），允许支持的解决方案的问题，他们出现在维护板铜阴极的矿业公司的过程中，在我们的情况下，为Quebrada Blanca S.A. (CMQB S.A.）。这些问题主要与对阴极板的维护中执行的任务的很少控制以及导致这种做法的信息的缺乏有关，导致管理不足，并且不允许参考这些元素做出适当的决定，因此它不需要规划和管理阴极板的寿命效用，产生与该过程相关的成本上升。由于阴极板的维护过程是一个不断变化的过程，在系统设计方面SIGEP认识到维护策略在系统组件设计中的灵活性和可重用性，本文通过设计模式的使用来实现。该系统的SIGEP实施和移动应用程序的合并，意味着CMQB S.A.增加对阴极板所执行任务的控制，使公司能够详细了解这些元素的维护情况，除其他外，还可以确定哪些阴极板更昂贵，因此知道必须更换哪些。
2010-08-15 cs.SE
GraphRepo: Fast Exploration in Software Repository Mining
从软件存储库中挖掘和存储数据通常是在每个项目的基础上完成的，其中每个项目使用数据模式、提取工具和（中间）存储基础设施的独特组合。我们介绍了GraphRepo，这是一个工具，它可以通过统一的方法从Git存储库中提取数据，存储数据，并在存储库挖掘项目中共享数据。GraphRepo使用符合ACID的图形数据库管理系统Neo4j，并允许模块化插件组件用于存储库提取（钻孔机），分析（矿工）和导出（映射器）。该图通过消除对数据规范化的需求，实现了一种自然的数据查询方式。GraphRepo内置于Python中，提供多种方式与丰富的Python生态系统和大数据解决方案进行交互。图形数据库的模式是通用的和可扩展的。与创建特定于项目的基础设施相比，使用GraphRepo进行软件存储库挖掘提供了几个优势：（i）短迭代探索的高性能和对大型数据集的可扩展性（ii）提取数据的轻松分发（例如，用于复制）或在项目之间共享提取的数据，以及（iii）可扩展性和互操作性。四个开源项目的一组基准测试表明，GraphRepo允许非常快速地查询存储库数据，一旦提取和索引。更多信息可以在项目文档（可在https：//tinyurl.com/grepodoc获得）和项目存储库（可在https：//tinyurl.com/grrepo获得）中找到。视频演示也可在线获取（https：//tinyurl.com/grrepov）
2020-08-14 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 Methodological Framework for LLM-Based Mining of Software Repositories
针对LLM在软件仓库挖掘中方法学整合缺乏理解的问题，通过混合方法研究揭示了15种方法、9种威胁和25种缓解策略，并提出了包含6阶段23子步骤的PRIMES 2.0实证框架，为基于LLM的MSR研究提供规范性支持。
2025-08-11 cs.SE
Risks and Assets: A Qualitative Study of a Software Ecosystem in the Mining Industry
数字化和服务化正在影响许多领域，包括采矿业。随着设备的连接和技术基础设施的发展，商业模式和风险管理需要适应。在本文中，我们提出了一个研究如何在资产和风险分布的变化是不断演变的演员在软件生态系统（SECO）和系统的系统（SoS）围绕采矿作业。我们进行了一项调查，以了解服务水平协议（SLA）--一种管理风险的通用机制--如何在其他领域中使用。此外，我们还与公司进行了焦点小组研究。采矿业的总体趋势是将投资成本（CAPEX）从采矿运营商转移到供应商。因此，采矿运营商转而租赁设备（作为运营费用，OPEX）或甚至获得服务。这种商业模式的变化影响到运营，因为知识从采矿运营商转移到供应商。此外，随着基础设施变得更加复杂，这意味着采矿经营者越来越依赖供应商进行运营和维护。由于这一变化仍处于早期阶段，因此没有正式的风险管理，例如通过SLA。相反，目前，生态系统中的公司更多地依赖于信任和创新活动对未来共同利益的承诺所产生的激励。我们认为，随着SECO的建立和发展，有必要更好地了解如何管理风险。与此同时，在SECO中，重点是合作和创新，除非发生事故，否则公司没有动力解决这个问题。因此，我们认为，行业需要帮助系统地了解风险，并在新的商业环境中定义质量方面，如可靠性和性能。
2019-07-19 cs.SE
Mining Treatment-Outcome Constructs from Sequential Software Engineering Data
经验软件工程中的许多调查都着眼于开发或管理过程中产生的数据序列。在本文中，我们提出了一种分析方法，称为甘地-华盛顿方法（GWM），调查软件项目中的重复事件的影响。GWM将软件分析师提供的事件和活动编码作为输入。它使用正则表达式来自动压缩和汇总信息并推断处理方法。通过统计检验将治疗与结果联系起来，治疗-结果结构自动从数据中挖掘出来。GWM的输出是一组治疗结果结构。考虑到对结果的影响和/或考虑到事件的顺序，所挖掘的构造的集合中的每个处理与其他处理在结构上显著不同。我们描述GWM和类的问题，GWM可以应用。我们证明了这种方法的适用性的实证研究序列的文件编辑，代码所有权，和发布周期时间。
2019-01-17 cs.SE
Should I Get Involved? On the Privacy Perils of Mining Software Repositories for Research Participants
挖掘软件存储库（MSR）是一种基于证据的方法，它将数据交叉链接，以揭示有关软件系统的可操作信息。软件工程中的实证研究经常利用MSR技术，因为它们允许研究人员揭示软件开发中的问题和缺陷，以便分析导致这些问题和缺陷的不同因素。因此，依靠关于被挖掘的存储库和源的细粒度信息（例如，服务器名称和贡献者的身份）对于MSR研究的可重复性和透明度至关重要。然而，这也可能对参与者的隐私造成威胁，因为他们的身份可能与有缺陷/次优的编程实践（例如，代码气味、不正确的文档），反之亦然。此外，这可以扩展到密切的合作者和社区成员，从而导致“因关联而有罪”。这份立场文件旨在开始讨论间接参与MSR调查，关于共享非汇总数据的“隐私与效用”的二分法，以及其对参与者参与的隐私限制和道德考虑的影响。
2022-02-24 cs.IR cs.SE
Business Rule Mining from Spreadsheets
业务规则表示指导业务组织操作的知识。它们在组织使用的软件应用程序中实现，从软件中提取它们的活动称为业务规则挖掘。它有各种用途，其中迁移和生成文档是最常见的。然而，除了传统的软件，组织也使用电子表格的大部分业务和决策活动。因此，我们认为电子表格也有丰富的业务规则。因此，我们建议开发一个自动化的系统，从电子表格中提取业务规则，在人类可理解的自然语言格式。这份立场书描述了我们的动机、问题描述、相关工作以及我们预见的挑战。
2015-03-19 cs.SE
Combining Text Mining and Visualization Techniques to Study Teams' Behavioral Processes
人们对挖掘软件存储库数据以理解和预测团队流程的各个方面的兴趣越来越大。特别是，文本挖掘和自然语言处理（NLP）技术支持了这种努力。可视化还可以补充文本挖掘，以揭示对软件团队行为过程的独特多维见解。在这项研究中，我们证明了这些方法相结合的效用。未来将这些方法应用于团队行为过程的研究，为研究和实践提供了希望。
2021-02-19 cs.SE
A Curated List of Open-source Software-only Energy Efficiency Measurement Tools: A GitHub Mining Study
Federal University of Technology - Paraná (UTFPR)（巴拉那联邦技术大学）；University of Southern Denmark (SDU)（南丹麦大学）
本文通过 GitHub 数据挖掘研究，梳理了开源能源效率测量工具，分析了其设计特点和演变，为软件架构设计提供参考。
2026-03-23 cs.ET cs.SE
Data Mining-Based Techniques for Software Fault Localization
IRISA/INSA Rennes（IRISA/INSA 雷恩）；Department of Computer Science, University of Texas at Dallas（德克萨斯大学达拉斯分校计算机科学系）
本章介绍利用数据挖掘技术（如形式概念分析和关联规则）进行软件故障定位，并以Trityp程序为例，扩展到多故障和GUI组件场景。
2025-05-23 cs.AI cs.SE
Use and Misuse of the Term Experiment in Mining Software Repositories Research
在软件工程（SE）中，挖掘软件仓库（MSR）的重要性和重要性为广泛的实证研究带来了新的机遇和挑战。然而，MSR研究人员似乎很难将他们使用的经验方法描述为现有的经验SE知识体系。MSR实验尤其如此。为了证明MSR实验的特殊性及其与迄今为止SE中传统上承认的实验的差异，我们引出了将实验与其他类型的实证研究区分开来的标志，并描述了MSR实验的标志和类型。我们分析了从小规模系统映射研究中获得的MSR文献，以评估MSR中术语实验的使用。我们发现，19%声称是实验的论文实际上根本不是实验，而是观察性研究，所以他们以误导的方式使用这个术语。在剩下的81%的论文中，只有一篇提到了真正的受控实验，而其他的则代表了有限控制的实验。MSR的研究人员往往会忽视这些局限性，从而影响对研究结果的解释。我们提供建议和见解，以支持改进MSR实验。
2021-10-18 cs.SE
Knowledge Management in Medium-Sized Software Consulting Companies: An investigation of Intranet-based Knowledge Management Tools for Knowledge Cartography and Knowledge Repositories for Learning Software Organisations
开发软件的公司面临着来自客户的压力，要求他们提供更好的解决方案，并更快、更便宜地提供解决方案。许多研究人员提出了如何改进开发过程的建议;软件过程改进。由于软件开发是一项知识密集型的任务，研究人员和工业界最近都把注意力转向知识管理，以提高软件开发。这通常涉及开发技术工具，许多公司已为此投入资源，但这些工具在公司的开发人员和管理人员中往往没有实际使用，而且这些工具是否改善了知识管理方式往往是未知的。为了建立有效的知识管理工具，我们需要更好地了解现有的工具是如何在软件开发中应用和使用的。我们提出并分析了八个案例研究的知识管理举措的文献。我们发现，这些举措提高了软件质量，降低了开发成本，并为开发人员提供了更好的工作环境。此外，我们研究成功的标准，在知识管理编纂的举措，在中型软件公司的内联网工具的基础上。此外，我们调查了知识管理工具是如何用于不同的目的，由不同群体的用户在两个软件咨询公司。他们使用工具来支持个性化和编码策略。这两家咨询公司是挪威的两家中型公司，分别有40名和150名员工，从事开发项目，持续时间从几周到几年不等。
2019-03-28 cs.SE
Effective Delegation and Leadership in Software Management
本文研究软件管理中授权与领导力对项目成果的影响，发现有效授权和变革型领导能提升团队效率与项目成功率，并建议组织优先发展相关实践。
2024-05-02 cs.SE
Survey Results on Threats To External Validity, Generalizability Concerns, Data Sharing and University-Industry Collaboration in Mining Software Repository (MSR) Research
采矿软件仓库（MSR）是一个应用和面向企业的领域，旨在解决从业者遇到的实际问题，并为行业带来价值。结果和发现的重复性、可推广性和外部有效性、大学-产业合作、数据共享和创建数据集存储库是MSR研究中的重要问题。通过对MSR论文的文献计量分析，发现缺乏产学合作、缺乏封闭或适当来源的数据集研究、缺乏研究者之间的数据和工具共享。我们对过去三年（2012年，2013年和2014年）MSR会议的作者进行了调查，以收集他们对解决所述问题的意见和建议的数据。我们向100多位作者提出了20个问题，并收到了39位作者的回复。我们的研究结果表明，大约三分之一的受访者总是公开他们的数据集，大约三分之一的人认为，数据共享应该是在MSR会议上发布的强制性条件。我们的调查显示，超过50%的作者在他们的研究中只使用开源软件（OSS）数据集。超过50%的受访者表示，在公司外部共享工业数据集的困难是大学与工业合作的主要障碍之一。
2015-06-04 cs.SE
Mining Software Components from Object-Oriented APIs
University of Montpellier II（蒙彼利埃第二大学）；University of Montreal（蒙特利尔大学）
面向对象的应用程序编程接口（API）通过提供预先实现的功能来支持软件重用。由于包含的类数量巨大，重用和理解大型API是一项复杂的任务。否则，软件组件被认为是比面向对象组件更可重用和更易于理解的实体。因此，在本文中，我们提出了一种方法，重新工程面向对象的API到基于组件的。我们将组件作为一组类进行挖掘，这些类基于它们一起使用的频率以及它们形成以质量为中心的组件的能力。为了验证我们的方法，我们在100个使用Android API的Java应用程序上进行了实验。
2016-06-02 cs.AI cs.SE
Do Developers Adopt Green Architectural Tactics for ML-Enabled Systems? A Mining Software Repository Study
本文通过挖掘168个GitHub开源ML项目，利用LLM挖掘机制识别绿色架构策略的采用情况，为ML系统可持续实践提供实证见解并推动未来自动化。
2025-01-02 cs.SE
Teaching Mining Software Repositories
本章系统介绍软件仓库挖掘（MSR）的研究方法、伦理问题、教学资源与未来趋势，为教育者和学生提供从研究设计到数据分析的实践指导。
2025-01-03 cs.SE
PeaTMOSS: Mining Pre-Trained Models in Open-Source Software
Purdue University（普渡大学）；Queen’s University（女王大学）；Loyola University–Chicago（芝加哥洛约拉大学）；University of Michigan–Ann Arbor（密歇根大学安娜堡分校）
本研究针对预训练模型（PTMs）广泛应用下相关软件工程行为与挑战认知不足的问题，构建了包含28万余个PTM、2.7万余个使用PTM的开源仓库及二者映射的PeaTMOSS数据集，为相关研究提供数据支撑。
2023-10-05 cs.AI cs.SE
A Taxonomy for Mining and Classifying Privacy Requirements in Issue Reports
背景：在使用软件应用程序和系统的过程中收集用户活动的数字和物理踪迹。随着软件变得无处不在，保护用户隐私已成为挑战。随着用户隐私意识的提高以及隐私法规和政策的出现，迫切需要实现增强个人数据处理保护的软件系统。然而，现有的数据保护和隐私法规提供了高层次的关键原则，使得软件工程师很难设计和实现隐私感知系统。目的：在本文中，我们开发了一个分类，提供了一套全面的隐私要求的基础上，四个完善的个人数据保护法规和隐私框架，一般数据保护条例（GDPR），ISO/IEC 29100，泰国个人数据保护法（泰国PDPA）和亚太经济合作组织（APEC）隐私框架。研究方法：这些需求被提取、提炼和分类（使用基于目标的需求分析方法）到一个可以用来映射问题报告的级别。我们还对两个大型开源软件项目（Google Chrome和Moodle）如何通过挖掘其问题报告来解决我们分类中的隐私要求进行了研究。结果：本文讨论了如何收集的问题进行分类，并提出了我们的研究所产生的结果和见解。结论：在问题报告中挖掘和分类隐私需求可以帮助组织通过识别尚未在其软件项目中解决的隐私需求来了解其合规性状态。该分类法还可以根据所识别的隐私要求追溯到软件项目未遵守的法规、标准和框架。
2023-02-06 cs.SE
Insights into Software Development Approaches: Mining Q&A Repositories
本研究通过主题建模与定性分析结合的混合方法，挖掘三大问答论坛的13903篇开发者帖子，识别出15个软件开发方法高频主题、49项实践挑战及难点主题上升趋势，为从业者提供参考以提升软件质量。
2023-05-02 cs.SE
New Software Metrics for Evaluation and Comparison of Advanced Power Management Systems
提出了一套用于评估电源管理系统（PMS）的软件度量方法。这种用于管理电力的系统需要是自主的、可扩展的、复杂度低的，并且包括便携式算法，以便很好地应用于利用电力系统的各种实现方式。尽管对于软件一般存在类似的度量，但是它们的定义并不容易使它们自身适合于功率管理系统或类似架构的系统的独特特性。
2016-07-17 cs.SE
Mining Q&A Platforms for Empirical Evidence on Quantum Software Programming
本研究分析了Stack Exchange平台上6,935篇量子软件编程讨论帖，通过主题建模和定性分析识别出20个讨论主题、9个支持框架及四大核心挑战，为量子软件生态系统的未来研究、工具开发和教育提供了实证见解。
2025-03-07 cs.SE
Mining Energy-Related Practices in Robotics Software
Technological Federal University of Paraná - UTFPR（巴拉那州立理工大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Federal University of Pará（帕拉联邦大学）
机器人在许多工业环境中变得越来越普遍。这种成功的采用可以部分归因于（1）它们越来越实惠的成本和（2）开发智能软件驱动机器人的可能性。不幸的是，机器人软件消耗大量的能源。此外，机器人通常是电池驱动的，这意味着即使是很小的能源改进也可以帮助减少其能源足迹，提高其自主性和用户体验。在本文中，我们研究了机器人操作系统（ROS）的生态系统，事实标准开发和原型机器人软件。我们分析了527个与能源相关的数据点（包括ROS相关存储库上的提交、拉取请求和问题，StackOverflow、ROS Discourse、ROS Answers和官方ROS Wiki上的ROS相关问题）。我们的研究结果包括机器人专家对软件能源效率的兴趣的量化，10个经常性的原因，和14个能源相关问题的解决方案，以及他们对其他质量属性的隐含权衡。这些贡献支持机器人专家和研究人员在未来的机器人项目中使用节能软件。
2021-03-25 cs.RO cs.SE
Prediction of Human Performance Capability during Software Development using Classification
人力资本的质量是软件企业在知识经济时代保持竞争优势的关键。软件公司将优秀的人才视为业务优势。他们越来越认识到有效的人才和业务成功之间的关键联系。然而，软件公司遭受高流动率往往很难招募到合适的人才。迫切需要开发一种人员选拔机制，以找到最适合其软件项目的人才。数据采掘技术保证了从历史项目中探索信息，项目经理可以根据这些信息做出生产高质量软件的决策。本研究的目的是填补空白，开发一个数据采掘框架的基础上，决策树和关联规则重新集中在人员选拔标准。以一家软件公司为例进行了实证研究，以支持他们对项目成员的聘用决策。结果表明，有必要重新关注质量目标的选择标准。通过整合软件项目数据库中的知识和作者的研究技术，从数据采掘模型中获得的模式识别出更好的选择标准。
2014-02-11 cs.SE
