GitHub 上假设的自动识别与抽取
软件工程
2023-04-26 v2
摘要
在软件开发中，由于知识或信息缺乏、时间压力、上下文复杂以及诸多其他因素，开发过程中会出现各种不确定性，导致假设散布于项目之中。未能察觉某些假设可能导致严重问题（例如系统漏洞与故障）。分析和理解软件开发中假设的前提条件是以可接受的代价识别并抽取这些假设。本文提出了一款工具（即 Assumption Miner），用于自动识别并抽取 GitHub 项目中的假设。为评估 Assumption Miner 的适用性，我们首先展示了一个使用该工具从大型流行深度学习框架项目——GitHub 上的 TensorFlow 项目——中挖掘假设的示例。随后我们对该工具进行了评估。结果表明，Assumption Miner 能够有效识别并抽取 GitHub 仓库中的假设。
引用
@article{arxiv.2303.06822,
title = {Automatic Identification and Extraction of Assumptions on GitHub},
author = {Chen Yang and Zinan Ma and Peng Liang and Xiaohua Liu},
journal= {arXiv preprint arXiv:2303.06822},
year = {2023}
}
备注
The 29th International DMS Conference on Visualization and Visual Languages (DMSVIVA)