基于学习方法的持续集成应用系统文献综述
软件工程
2024-07-03 v2 机器学习
摘要
背景：机器学习 (ML) 和深度学习 (DL) 分析原始数据以提取特定阶段的有价值见解。软件项目中持续实践的兴起强调在这些学习方法下自动化持续集成 (CI)，而日益采纳此类方法的背景下凸显了系统化知识的必要性。目标：我们的目标是全面审查和分析现有文献中关于 CI 领域内学习方法的研究。我们旨在识别和分析文献中记录的各种技术，强调学习方法在 CI 语境下的训练阶段的基本属性。方法：我们进行了一次涉及 52 项初步研究的系统文献综述 (SLR)。通过统计和主题分析，我们探讨了 CI 任务与学习方法训练阶段在所选研究中的相关性，涵盖从数据工程技术到评估指标的广泛范围。结果：本文呈现了利用学习方法自动化 CI 任务的分析。我们识别并分析了九种数据源、四个数据准备步骤、四种特征类型、九类数据特征子集、五种超参数选择和调优方法，以及十五个评估指标。此外，我们讨论了最新技术的应用、CI 任务自动化中的现存差距以及所用学习方法的特征。结论：本研究为 CI 中的学习方法提供了全面概览，为开发 CI 任务自动化的研究者和实践者提供了有价值的见解。也提出了进一步研究以推动此类方法在 CI 中的应用的必要性。
引用
@article{arxiv.2406.19765,
title = {Systematic Literature Review on Application of Learning-based Approaches in Continuous Integration},
author = {Ali Kazemi Arani and Triet Huynh Minh Le and Mansooreh Zahedi and M. Ali Babar},
journal= {arXiv preprint arXiv:2406.19765},
year = {2024}
}
备注
This paper has been accepted to be published in IEEE Access