软件学报

作者：李志星，余跃，王涛，蔡孟栾，王怀民

单位：李志星，国防科技大学 计算机学院, 湖南 长沙 41007311,余跃，国防科技大学 计算机学院, 湖南 长沙 41007302,王涛，国防科技大学 计算机学院, 湖南 长沙 41007303,蔡孟栾，国防科技大学 计算机学院, 湖南 长沙 41007304,王怀民，国防科技大学 计算机学院, 湖南 长沙 41007305

关键词：人工智能;开源软件;代码贡献;代码审查;代码修订

基金：科技创新2030—“新一代人工智能”重大项目(2021ZD0112900); 国家自然科学基金(62141209)

人工智能(artificial intelligence, AI)的飞速发展得益于开源社区的开放协同, 大量的开发者通过提交PR (pull-request)为AI开源软件做贡献. 然而, 外部贡献者所提交的PR质量参差不齐, 开源项目管理团队需要对PR进行代码审查, 并要求贡献者根据审查意见对PR进行修订. PR的修订过程对AI开源软件的质量有着重要的影响, 因此对该过程进行更加全面、深入的实证研究很有必要. 首先, 从TensorFlow开源软件社区中收集一组PR的修订历史, 通过对PR的代码提交信息以及审查评论进行定性分析, 归纳总结PR修订类型的分类体系. 其次, 根据此分类体系人工标注一组修订数据集, 并基于此数据集定量分析不同修订类型的频率分布、次序分布以及关联关系. 研究结果表明: TensorFlow开源社区中的PR存在3大类共11种不同类型的修订, 其中完善类修订出现的频率最高; 此外, 相比于其他类修订和完善类修订, 修正类修订更常发生在PR的早期更新中; 与结构相关的修订更有可能与其他类型的修订同现或邻现, 配置修订以及变基修订有较大概率会接连出现. 实证研究结果可帮助AI开源实践者和研究者更好地理解PR的修订过程, 特别是有助于引导PR的审查和修订行为、提高开源群体协同效率.

来源：2023年第9期

《软件学报》期刊编辑部

查看软件学报杂志2023年第9期