本文介绍了作者对mining software repository（MSR）的初步理解，通过阅读论文了解到MSR是一个结合数据挖掘和软件可视化的领域，分为代码、项目和系统三个层面。作者打算专注于项目层面的MSR，主要关注开发周期、开发者投入度等。数据源可能来源于change log，但希望能获取更丰富数据。此外，可视化是MSR的重要部分，作者计划进一步研究相关技术。在接下来的工作中，作者将同时进行论文阅读和编码实践。
从没接触过MSR，也就是mining software repository，翻译成中文也不知道叫啥。Fisch第一次跟我说的时候，我还以为他让我做一个类似SVN的版本管理系统，自从上次他出差之前见了我之后，才知道，原来他想让我做版本库可视化。
这两天看了不少论文，一头雾水。按照Fisch的意思，我的目标系统应该是一个使用data mining和software visualization交叉技术的项目，这可苦啥我也，这两样data mining算是浅显的接触过，software visualization基本就是一点不会，不过也好，项目难点能学到东西，也比较有挑战性，作为也许是学生阶段最后一个作业，一定要尽善尽美。
先说MSR，网上搜了一下，相关内容也不少，近两年这方面论文不少，应该算是个挺热的领域，这个东西应该和data mining是相似的，不同的是，MSR更细，更实用，而DM则偏理论一些。说实话，MSR可供研究的东西还是不少的，网上关于分析CVS版本库的开源软件真的不少，以前没接触过这个领域，还以为是冷门，一接触才知道，这个领域其实已经有很多人在研究了。从我读的那几篇论文来看，MSR大概可以分成三个level，代码层面，项目层面和系统层面。代码层面是目前研究比较多的，关注点在代码的改变，生成等等，包括分析代码中数据结构和算法的变化全在此列里。项目层面则关注文件的变化，譬如开发周期时间，开发者投入度，文件更新频率等。而系统层面则关注的是子系统之间的相互作用和变化。Fisch并没有明确跟我说要做哪个方面的，但是个人觉得项目层面的MSR似乎更适合我，虽然代码层面的MSR更详细，资料更多，但是涉及到的算法内容太多，比如代码比兑，代码筛选等，一旦深入进入怕出不来了，到时候连作业都完不成就得不偿失了，而且凭直觉，这个层面
最低0.47元/天 解锁文章
扫一扫
852
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
