提交信息中的 1800 万条链接：用途、演化与失效
软件工程
2023-05-29 v1
摘要
提交信息在软件维护与演化的各个方面包含多样且有价值的知识类型。链接即是此类知识的一个例子。先前关于“源代码注释中的 960 万条链接”的研究表明，链接易于失效、过时，且缺乏双向可追溯性。我们对来自 23,110 个 GitHub 仓库提交中的 18,201,165 条链接进行了大规模研究，以调查它们是否遭受同样的命运。结果表明，引用外部资源十分普遍，除 github.com 外最频繁的域名是 Stack Overflow 和 Google Code 的外部域名。类似地，链接作为提交信息的源代码上下文，不可访问的链接十分常见。尽管重复引用链接很少见（4%），但 14% 易于演化的链接随时间变得不可用；例如，教程或文章以及软件主页随时间变得不可用。此外，我们发现 70% 的不同链接遭受失效；出现最频繁的域名与 Subversion 仓库相关。我们总结，提交中的链接与代码中的链接命运相同，为未来工作开辟了途径。
引用
@article{arxiv.2305.16591,
title = {18 Million Links in Commit Messages: Purpose, Evolution, and Decay},
author = {Tao Xiao and Sebastian Baltes and Hideaki Hata and Christoph Treude and Raula Gaikovina Kula and Takashi Ishio and Kenichi Matsumoto},
journal= {arXiv preprint arXiv:2305.16591},
year = {2023}
}