SOTorrent：重建与分析Stack Overflow帖子的演化
软件工程
2018-05-08 v2
摘要
Stack Overflow（SO）是最受软件开发者欢迎的问答网站，提供了涉及各种主题的大量代码片段和自由格式文本。与其他软件制品一样，SO上的问答会随时间演化，例如当代码片段中的错误被修复、代码被更新以适配更新的库版本，或为清晰起见编辑代码片段周围的文本时。为了能够分析SO上内容的演化方式，我们基于官方SO数据转储构建了SOTorrent，这是一个开放数据集。SOTorrent提供了在整篇帖子以及单个文本或代码块层级上访问SO内容版本历史的途径。它通过聚合文本块中的URL以及收集GitHub文件中对SO帖子的引用，将SO帖子与其他平台连接起来。在本文中，我们描述了如何构建SOTorrent，特别是我们如何评估了134种不同的字符串相似度指标在重建文本和代码块版本历史方面的适用性。基于使用该数据集的初步分析，我们提出了对SO帖子演化的见解，例如，帖子编辑通常很小，发生在帖子初始创建后不久，并且代码很少在不更新周围文本的情况下被更改。此外，我们的分析揭示了帖子编辑与评论之间的密切关系。我们的愿景是研究人员将使用SOTorrent来调查和理解SO帖子的演化及其与GitHub等其他平台的关系。
引用
@article{arxiv.1803.07311,
title = {SOTorrent: Reconstructing and Analyzing the Evolution of Stack Overflow Posts},
author = {Sebastian Baltes and Lorik Dumani and Christoph Treude and Stephan Diehl},
journal= {arXiv preprint arXiv:1803.07311},
year = {2018}
}
备注
12 pages, 9 figures, 15th International Conference on Mining Software Repositories (MSR 2018), ACM, 2018