基于 Transformer 和 Few-shot 学习的 GitHub Actions 自动分类
软件工程
2024-07-25 v1
摘要
在 GitHub 生态系统中，工作流是一种有效 automate 开发任务并设置持续集成和交付（CI/CD）管道的手段。GitHub Actions（GHA）为开发人员提供了实用的工具以创建和维护工作流程，避免重新制造轮子并避免在工作流程中使用 shell 命令。正确地利用 GitHub Actions 的力量可以 facilitate 开发进程，增强协作，并显著影响项目结果。为了让动作暴露给搜索引擎，GitHub 允许开发人员手动将其分配给一个或多个类别，这些类别用作对功能相似的动作进行分组的有效手段。然而，尽管提供了实用的工作流程方式，但许多动作目的不明确，有时也没有分类。在本工作中，我们通过利用 GitHub 中每个动作的 README.MD 内容，使用 Transformer—a 深度学习算法—来为动作分配合适的类别。我们进行了实证调查，并将 Gavel 与最新基线进行了比较。实验结果表明，所提出的方法能够有效地为 GitHub 动作分配类别，从而优于最新基线。
引用
@article{arxiv.2407.16946,
title = {Automatic Categorization of GitHub Actions with Transformers and Few-shot Learning},
author = {Phuong T. Nguyen and Juri Di Rocco and Claudio Di Sipio and Mudita Shakya and Davide Di Ruscio and Massimiliano Di Penta},
journal= {arXiv preprint arXiv:2407.16946},
year = {2024}
}
备注
The paper has been peer-reviewed and accepted for publication in the Proceedings of the 18th International Symposium on Empirical Software Engineering and Measurement (ESEM 2024)