基于 LLM 的软件仓库挖掘方法学框架
软件工程
2025-08-12 v2
摘要
大型语言模型（LLM）在软件工程研究中的应用日益广泛，为自动化仓库挖掘任务提供了新机遇。然而，尽管 LLM 越来越受欢迎，但其在软件仓库挖掘（MSR）中的方法学整合仍缺乏深入理解。现有研究往往侧重于特定能力或性能基准，对研究人员如何在整个研究流程中使用 LLM 提供的洞见有限。为弥补这一空白，我们在 LLM4MSR 领域开展了一项结合快速审查和问卷调查的混合方法研究。我们调查了（1）方法以及（2）影响该领域研究人员实证严谨性的威胁。我们的发现揭示了 15 种方法学途径、9 个主要威胁和 25 种缓解策略。基于这些发现，我们提出了 PRIMES 2.0，一个精炼的实证框架，分为六个阶段，包含 23 个方法学子步骤，每个步骤都映射到特定威胁和相应的缓解策略，为基于 LLM 的 MSR 研究生命周期提供规范性和自适应支持。我们的工作为基于 LLM 的 MSR 研究建立更透明和可复现的基础做出了贡献。
引用
@article{arxiv.2508.02233,
title = {A Methodological Framework for LLM-Based Mining of Software Repositories},
author = {Vincenzo De Martino and Joel Castaño and Fabio Palomba and Xavier Franch and Silverio Martínez-Fernández},
journal= {arXiv preprint arXiv:2508.02233},
year = {2025}
}