检索结果-南通市图书馆

软件生态系统的健康性评估 ——以Github为例

在线全文

学校读者我要写书评

暂无评论

软件生态系统的健康性评估 ——以Gith...

作者：姚雅斐中国矿业大学

学位级别：硕士

软件生态系统是指在共享软件信息的环境内部由软件产业相关工作人员和其制造的软件产品所构成的集合。软件生态系统强调了互利共生、资源共享的创新发展理念,构建了一种崭新的互相协作、彼此促进的软件生产模式。评估软件生态系统的健... 详细信息

软件生态系统是指在共享软件信息的环境内部由软件产业相关工作人员和其制造的软件产品所构成的集合。软件生态系统强调了互利共生、资源共享的创新发展理念,构建了一种崭新的互相协作、彼此促进的软件生产模式。评估软件生态系统的健康性可以明晰软件生态系统的健康情况,通过分析相关影响因素和指标进而对软件生态系统采取一系列具有针对性的调控策略,助推软件生态系统健康稳定且长远地发展。PSR（Pressure-State-Response）模型是评估自然生态系统健康性的经典模型,本文考虑到软件生态系统与自然生态系统概念上的同源性和结构上的相似性,因此将该模型引入到对软件生态系统健康性的研究当中。本文使用PSR（Pressure-State-Response）模型,以Github为例评估了软件生态系统的健康性。本文所做的具体工作如下:（1）建立软件生态系统健康性评估模型。本文在PSR模型的压力、状态、响应三个层次之下分析软件生态系统健康性的影响因素,按照全面性、准确性、经典性和易获取性的指标选取原则,从影响因素中筛选出软件生态系统健康性的评估指标,利用熵值法计算指标权重,进而计算软件生态系统健康性,建立起软件生态系统健康性评估模型。（2）对软件生态系统健康性进行分析。本文分析了从2018年1月到2019年12月软件生态系统健康性的时序变化趋势;在软件生态系统总体健康性、软件生态系统压力层健康性、软件生态系统状态层健康性、软件生态系统响应层健康性四者之间开展相关性分析;对软件生态系统压力层健康性、软件生态系统状态层健康性、软件生态系统响应层健康性和各层次健康性的评估指标进行关联度分析。（3）提出建议和意见。根据上述分析结果,本文针对提升软件生态系统的健康性这一研究目的,提出了建议和意见。本文的研究结论如下:（1）软件生态系统健康性从2018年1月到2019年12月的过程中虽然变化趋势起伏不定,但最终呈现出下降结果。（2）软件生态系统总体健康性与软件生态系统状态层健康性、软件生态系统响应层健康性呈正相关关系,软件生态系统压力层健康性与软件生态系统状态层健康性呈正相关关系。（3）交流语言、Fork、Deletions分别是与软件生态系统压力层健康性、软件生态系统状态层健康性、软件生态系统响应层健康性关联度最大的指标。

关键词：软件生态系统 Github PSR模型健康性评估

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

GitHub中软件生态系统的演化

计算机研究与发展 2020年第3期57卷 513-524页

作者：齐晴曹健刘妍岑上海交通大学电子信息与电气工程学院计算机系

大多数软件项目都是相互依赖的,因此对软件生态系统的分析吸引了许多研究人员的兴趣.近年来,除了分析一些著名的软件生态系统外,研究人员还对GitHub中的软件生态系统及其功能进行了研究.然而,GitHub中软件生态系统发展的基本过程以及其... 详细信息

大多数软件项目都是相互依赖的,因此对软件生态系统的分析吸引了许多研究人员的兴趣.近年来,除了分析一些著名的软件生态系统外,研究人员还对GitHub中的软件生态系统及其功能进行了研究.然而,GitHub中软件生态系统发展的基本过程以及其演化的原因尚未引起广泛关注,当前研究对GitHub中的软件生态系统演化进行了深入研究.首先基于动态社区发现方法检测GitHub中不断演化的生态系统,然后识别并比较GitHub中的不同演化事件.通过演化过程示意图直观地展示了从2015年到2018年长期存活的软件生态系统其演化过程.为了理解生态系统存活或消亡的原因,进行了多元线性回归分析,找出了与生态系统存活相关的重要因素.此外,提出了3个典型案例研究,以显示GitHub中软件生态系统的演化行为.

关键词：软件生态系统交叉引用软件生态系统检测演化事件演化特征

在线全文

学校读者我要写书评

暂无评论

软件生态系统的负熵流模型

现代计算机 2020年第13期26卷 10-16页

作者：韩雨泓祝鹏程四川大学计算机学院成都610000 中国人民解放军32620部队西宁810000 中国人民解放军78100部队成都610000

软件生态系统(SECO)是应用生态学理论和方法,解决软件问题的热门研究方向。通过对软件生态系统中负熵机制的研究,提出软件以输出负熵为使命的观点,构建一种基于负熵流的软件生态系统模型,并对该模型进行实证研究和可行性分析。

关键词：软件生态系统模型熵负熵流

基于复杂网络的软件生态系统重叠及动态社区检测

在线全文

学校读者我要写书评

暂无评论

基于复杂网络的软件生态系统重叠及动态社区检测

作者：王思民中国矿业大学

学位级别：硕士

软件生态系统可以根据不同主体和主体之间的关系构建成各种复杂网络,进而对其社会化性质如社区组织模式、节点影响力等开展研究。对软件生态系统进行重叠社区检测和动态社区检测,有助于揭示其内部的社区结构和社区之间的交叉重叠,并分... 详细信息

软件生态系统可以根据不同主体和主体之间的关系构建成各种复杂网络,进而对其社会化性质如社区组织模式、节点影响力等开展研究。对软件生态系统进行重叠社区检测和动态社区检测,有助于揭示其内部的社区结构和社区之间的交叉重叠,并分析开发者社区随时间的演化情况。然而,现有的软件生态系统社区检测工作并没有考虑社区间的重叠情况,且由于内部结构的复杂性等因素,传统的复杂网络重叠和动态社区检测算法对于软件生态系统中网络的适用性较低。鉴于此,本文构建了软件生态系统中静态和动态的开发者合作网络,并为其设计了一套新的重叠及动态社区检测算法。针对软件生态系统重叠社区检测问题,本文提出了基于信息素指导个性化PageRank(PPR)算法的重叠社区检测方法。首先,基于开发者之间的合作关系构建无向加权的开发者合作网络,并计算网络中节点之间的相似度。然后,根据节点的强度和局部聚类系数选取种子节点集。接下来,将算法分成多轮运行,利用前一轮算法游走过程中所产生的信息素来对本轮算法进行指导,以减少由于冗余扩散而导致的社区之间高度重叠。最后,在真实世界网络和基于GitHub平台数据构建的开发者合作网络上的实验结果表明,所提出的算法具有较好的稳定性和适用性,且能够有效地检测出开发者合作网络的重叠社区结构。针对软件生态系统动态社区检测问题,本文提出了基于变化感知和历史信息的动态社区检测算法。首先,根据开发者之间合作关系随时间的变化情况构建动态开发者合作网络。然后,识别相邻快照间的变化子图,并定义了两种网络变化率,以判断每个连通子网络应该进行增量社区检测还是重新社区检测。接下来,根据上一快照的社区结构和信息素等历史信息对网络进行有选择性的增量社区检测。最后,在基于GitHub平台数据构建的动态开发者合作网络上的实验结果表明,所提出的方法在检测动态网络社区结构方面具有较好的表现。本文针对现有工作的欠缺与不足,开发了一套用于软件生态系统中开发者合作网络的重叠及动态社区检测算法,极大提高了社区检测结果的准确度和可靠性;此外,所提出的算法还具有较好的适用性,可以胜任许多其他类型网络的社区检测工作。因此,本文工作具有重要的理论和应用意义。

关键词：软件生态系统复杂网络重叠社区检测动态社区演化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Android软件生态系统的演化分析研究

Android软件生态系统的演化分析研究

作者：范哲豪天津大学

学位级别：硕士

软件生态系统往往处于不断演化的过程中,因此对软件生态系统的演化过程进行研究分析具有十分重要的意义。Android系统中的应用框架层由众多的项目仓库组成,这些项目仓库互相依赖形成了协同演化的软件生态系统。Android的应用框架层给数... 详细信息

软件生态系统往往处于不断演化的过程中,因此对软件生态系统的演化过程进行研究分析具有十分重要的意义。Android系统中的应用框架层由众多的项目仓库组成,这些项目仓库互相依赖形成了协同演化的软件生态系统。Android的应用框架层给数百万的Android APP提供众多有用的API,它的演化会影响到众多Android APP的健壮性和稳定性。在本文中,我们提出了一种对软件生态系统的代码依赖网络进行演化分析与趋势预测的方法,以实现对规模巨大的软件生态系统进行细粒度的有效分析。首先,我们提取软件生态系统的代码依赖关系,并且对每个版本构建代码依赖关系网络。其次,将每个代码依赖网络划分出多个子网络,并且对每个子网络图计算复杂网络度量。然后,我们定义了顶点相似度和子图相似度两个度量,并借助两个度量把属于不同版本的子网络联系起来,以找到正确的映射关系。最后,我们建立模型以实现对代码依赖网络的未来演化类型的预测。我们选择由Android框架层中的软件项目仓库组成的软件生态系统作为实验对象,对我们提出的方法进行了验证。模型预测的结果显示,精度与召回率的平均值分别达到了76.5%与77.3%,表明我们提出的方法具有较好的预测效果。

关键词：软件生态系统代码依赖网络图演化分析预测模型

GitHub中软件生态系统的健康性度量与预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

GitHub中软件生态系统的健康性度量与预测

作者：侯鹏君东南大学

学位级别：硕士

近年来,开源已成为工业界高质量高效率开发核心软件的重要手段。而随着开源软件社区和开发平台的快速发展,可用的开源软件项目数量迅速增加。在共同的开发平台和环境中,开源软件项目相互联系,共同演化,形成软件生态系统。如今,软件生态... 详细信息

近年来,开源已成为工业界高质量高效率开发核心软件的重要手段。而随着开源软件社区和开发平台的快速发展,可用的开源软件项目数量迅速增加。在共同的开发平台和环境中,开源软件项目相互联系,共同演化,形成软件生态系统。如今,软件生态系统已经成为构建大型软件系统的有效方法,受到了学术界和工业界的广泛关注,而GitHub作为全球最大的开源软件社区,成为了研究软件生态系统的绝佳对象。其中有大量的开源软件项目无法继续开发而最终失败,围绕开源项目形成的软件生态系统也随之消亡。这使得软件生态系统中涉及的每一方都希望有一种关于健康性的度量方法来辅助他们进行决策,而目前还没有一种通用的度量方法来监测和评估软件生态系统的健康性。因此本文开展了如下工作:（1）通过分析开源软件项目的开发流程,提出从项目角色、项目活动和项目产出三方面考虑开源软件项目的健康性,结合软件生态系统的项目网络拓扑结构,构建度量软件生态系统健康性的评估指标体系。（2）提出基于主成分分析法的软件生态系统健康性度量方法,并通过跟踪开源软件项目随时间的发展揭示了其健康性动态变化规律,并根据软件生态系统的网络结构得到项目的重要性,弥补了以往工作的不足。（3）提出基于图卷积神经网络和长短期记忆神经网络的开源软件生态系统健康性预测模型GraphSage-LSTM,该模型综合考虑软件生态系统中的项目特征和项目之间交互形成的网络结构来预测软件生态系统的健康性时序变化。（4）为了验证所提出的的方法模型的有效性,本文通过Ghtorrent数据集对GitHub的软件生态系统进行了一系列实验,实验结果表明了论文方法的有效性。

关键词：开源软件软件生态系统健康性度量和预测图卷积神经网络

基于文本分析的Python软件生态系统缺陷检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于文本分析的Python软件生态系统缺陷检测

作者：罗阳南京大学

学位级别：硕士

近年来,随着软件项目数量爆发式增长与敏捷开发实践的广泛使用,大量项目之间存在复杂的依赖关系,不同项目的不同模块和方法之间产生了复杂且快速更新的关联,软件生态系统的概念应运而生。软件生态系统藉由软件之间存在的复杂的依赖和需... 详细信息

近年来,随着软件项目数量爆发式增长与敏捷开发实践的广泛使用,大量项目之间存在复杂的依赖关系,不同项目的不同模块和方法之间产生了复杂且快速更新的关联,软件生态系统的概念应运而生。软件生态系统藉由软件之间存在的复杂的依赖和需求,产生快速的迭代更新。Python作为一种动态语言,以其代码简洁、开发敏捷、第三方库丰富、社区活跃等特点,在工业界的项目开发中被广泛使用。随着Python项目的不断增多,Python软件生态系统也在开源社区得到越来越多的关注。软件生态系统的发展为软件演化带来了发展和挑战。一方面,开源、透明的特性提供了充足的使用、维护、调试等信息的来源,易于分析和利用来自不同项目的知识,为项目的缺陷检测和维护提供数据保障;另一方面,软件项目的开发人员需要对使用、维护、调试等信息进行审查和分析,进而对软件中存在的缺陷进行定位和修复。然而软件生态系统中迅速产生大量此类来自不同源、不同类且异构的信息,增加了软件调试的时间开销和难度,会延后软件缺陷的修复工作。本文的工作致力于改进Python软件在软件生态系统场景下的迭代开发和维护流程,辅助开发者发现和修复项目在生命周期中存在的缺陷,保障项目演化过程中的软件质量,从上游项目接口参数类型不一致缺陷检测和跨项目缺陷的识别两方面展开,主要贡献如下:针对下游项目调用上游项目接口时实参与形参期望的类型不一致问题,提出了一种基于接口文档分析的缺陷检测方法CARD。首先,提取软件源代码文本信息和运行时类型信息构建训练集,训练多标签多输出模型识别参数类型;之后使用训练完成的模型对参数的描述文本进行理解,识别参数的可接收类型;最后将识别的可接收类型与参数实际运行时类型对比,检测潜在的类型不一致缺陷。为评估类型不一致缺陷检测方法的有效性,本文在10个Python上游软件项目上进行实验,提取得到包含345条接口参数信息的数据集。实验结果表明,CARD识别类型的精确率、召回率、F1度量、准确率、Jaccard损失和Hamming损失分别为76%、76%、73%、57%、0.69和0.73,且在各项指标上优于使用k近邻模型和随机森林模型的基线方法。针对下游项目难以识别本项目的测试失败是否由上游项目缺陷触发的问题,提出了跨项目缺陷的识别方法CDD-H和CDD-E。方法首先解析软件项目在测试阶段生成的测试日志,提取其中的失败测试用例的相关信息;之后利用回溯路径、测试方法名称和异常描述文本等信息,提出基于启发式的模型和基于长短期记忆网络的集成模型对测试用例触发的缺陷类型进行识别。为评估跨项目缺陷识别方法的有效性,本文在包含133个开源Python软件的Python软件生态系统中进行实验,共提取得到12885条失败测试用例信息,构建包含413条标记完成的测试用例数据集。实验结果表明,CDD-H和CDD-E的识别精确率分别达到77.8%和91.3%,识别的准确率分别为73.1%和78.8%;对于一条失败测试用例数据,完成完整的识别流程平均耗时仅为0.02秒和0.03秒,与人工识别所需的平均用时506秒相比,时间开销大大减少。我们提出的跨项目缺陷识别方法兼顾了有效性和高效性。

关键词：缺陷检测程序分析自然语言处理软件生态系统长短期神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于复杂网络的软件生态系统社区检测

基于复杂网络的软件生态系统社区检测

作者：侯婷婷中国矿业大学

学位级别：硕士

软件生态系统可以看作一种结构复杂的社会网络,是目前软件工程领域的最高层次。探讨软件生态系统中的社区结构具有重要的理论和实际意义,如项目推荐、合作预测、影响评估等。已有的社区检测算法,由于没有充分考虑软件生态系统中存在的... 详细信息

软件生态系统可以看作一种结构复杂的社会网络,是目前软件工程领域的最高层次。探讨软件生态系统中的社区结构具有重要的理论和实际意义,如项目推荐、合作预测、影响评估等。已有的社区检测算法,由于没有充分考虑软件生态系统中存在的大量信息交互,使得算法效率低下,很难得到满意的社区检测结果。因此,研究有针对性的理论与方法,对软件生态系统进行社区检测是非常必要的。鉴于此,本文针对软件生态系统中开发者之间的两种交互关系,构建不同类型网络,研究软件生态系统的社区检测方法。针对开发者之间的合作关系,提出基于开发者合作强度综合评价的软件生态系统社区检测方法。首先,结合网络拓扑信息和开发者交互信息计算开发者的合作强度,从拓扑属性和语义属性两方面,对开发者合作强度进行综合评价。然后,借鉴Louvain算法的层次聚类思想,提出一种基于开发者合作强度的社区检测算法。最后,通过GitHub托管平台,将该方法应用于软件生态系统的开发者网络。实验证明了该方法可以为软件生态系统的开发者合作网络识别出更加清晰的社区结构。针对开发者之间的关注关系,提出基于开发者综合影响力评估的软件生态系统社区检测方法。首先,通过建立二步信息传播模型,计算节点的信息传播增益。然后,获取节点的贡献度属性信息进行非占优支配排序,并结合节点信息传播增益,得到节点的综合影响力排序。接着,以影响力较大的节点为中心,以信息传播概率为聚类方向进行社区检测。最后,通过调用GitHub API获取数据进行实验,实验结果表明该方法在开发者影响力排序和社区结构划分上都有着较好的表现。本文从域知识提取、网络构建、模型建立、算法求解等多个角度入手,研究软件生态系统的社区检测理论和方法,大大提高社区检测的求解精度和效率,为构建健康可持续的软件生态系统奠定理论基础。因此,具有重要的理论意义和应用价值。本论文中有图15幅,表10个,参考文献84篇。

关键词：软件生态系统复杂网络社区检测合作强度节点影响力

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于软件生态系统的开源社区特性研究

计算机工程 2015年第11期41卷 106-113页

作者：张得光李兵何鹏周华昱武汉大学软件工程国家重点实验室武汉430079 武汉大学复杂网络研究中心武汉430072 武汉大学国际软件学院武汉430079

随着开源社区的发展,可供获取的开源软件的数量与复杂性急剧增长,致使软件系统之间由于开发者的交互、组件或模块的依赖和使用工具的共享而相互关联,形成开源软件生态系统。从自然生态系统的角度,分析软件生态系统的组成成分、知识链(网... 详细信息

随着开源社区的发展,可供获取的开源软件的数量与复杂性急剧增长,致使软件系统之间由于开发者的交互、组件或模块的依赖和使用工具的共享而相互关联,形成开源软件生态系统。从自然生态系统的角度,分析软件生态系统的组成成分、知识链(网)结构,从软件项目、同类主题和整个开源社区这3个级别构建软件生态系统模型,根据自然生态系统的主要特征分析软件生态系统的开放性、多样性、调控性及可持续性。在***开源社区中的分析结果表明,通过研究开源软件生态系统的特性,有助于提高其生存能力以及知识的循环利用,确保系统的稳定性和健壮性。

关键词：开源社区软件生态系统知识链多样性可持续性