多码网
返回 编程语言
编程语言

Awesome msr

一个精选的数据集和工具存储库，可用于对软件系统进行基于证据的数据驱动研究. 这种研究方法通常被称为 experimental, or empirical software engineering. 许多数据集也可用于研究 search-based software engineering 方法. 该存储库以 Mining Software Repositories (MSR) 会议系列. 有关此类工作的示例，请参阅 MSR 会议 Hall of Fame.

GitHub 仓库更多 编程语言 项目

Awesome msr

Awesome Empirical Software Engineering Awesome

一个精选的数据集和工具存储库，可用于对软件系统进行基于证据的数据驱动研究. 这种研究方法通常被称为 experimental, or empirical software engineering. 许多数据集也可用于研究 search-based software engineering 方法. 该存储库以 Mining Software Repositories (MSR) 会议系列. 有关此类工作的示例，请参阅 MSR 会议 Hall of Fame.

  • 此列表需要您的输入才能不断改进. 阅读 contribution guide 有关如何操作的说明 你可以贡献. 或者，你可以给我发一个 email 如果您发现该过程过于繁琐或令人困惑.
  • 有关更多精彩列表，请参阅 awesome.

Repositories

Data Sets

  • AndroidTimeMachine - 基于图形的 8,431 个真实世界 Android 应用程序提交历史数据集.
  • AndroZoo - Android 应用程序的集合.
  • Bug Prediction Dataset - 从 Eclipse JDT Core、PDE UI、Equinox Framework、Lucene、Mylyn 及其历史中收集模型和指标.
  • Code Reviews - OpenStack、LibreOffice、AOSP、Qt、Eclipse 的代码审查.
  • CoREBench - 从四个开源软件项目的存储库和错误报告中系统地提取了 70 个实际复杂的回归错误的集合：Make、Grep、Findutils 和 Coreutils.
  • Cryptocurrency GitHub Activity and Market Cap Dataset - 随着时间的推移，GitHub 上 200 多个加密货币项目的提交、星级、价格和市值等活动. 原始的历史数据也是 available.
  • Defects4J - 收集了 395 个可重现的错误，目的是推进软件测试研究.
  • Eclipse AERI stacktraces - Eclipse IDE 用户遇到的异常堆栈跟踪集合，由 AERI 报告系统检索.
  • Enron Spreadsheets and Emails - 论文“安然的电子表格和相关电子邮件：数据集和分析”中使用的所有电子表格和电子邮件.
  • Findbugs-maven - Java 项目的 FindBugs 报告集 Maven repository.
  • GHTorrent - 通过 GitHub REST API 提供的可扩展、可查询、离线的数据镜像.
  • GitHub Bug Dataset - 15 个以静态源代码指标为特征的 Java 开源项目的错误数据集.
  • GitHub on Google BigQuery - 可通过 Google 的 BigQuery 平台访问 GitHub 数据.
  • Grammar Zoo - DSL 和 GPL 的语法集合，一些是从元模型和文档模式中提取的.
  • KaVE - 开发者工具交互数据.
  • Linux Kernel 4.21 Call Graphs - 使用生成的 Linux 内核 4.21 调用图 CScout.
  • Maven metrics - 收集软件复杂性和规模指标 Maven Repository.
  • Maven Dependency Graph - 2018 年 9 月 6 日拍摄的整个 Maven Central 的快照，存储在图形数据库中.
  • mzdata - Mozilla 问题跟踪历史的多提取和多层次数据集.
  • npm-miner - 数据集包含了 5 个开源软件质量工具 eslint、escomplex、nsp、jsinspect 和 sonarjs 对 2000 个流行（按星级和下载量）npm 包的分析结果.
  • OCL Expressions on GitHub - 来自 245 个系统选择的 GitHub 存储库中的 504 个 EMF 元模型的 9188 个 OCL 表达式的数据集.
  • RepoReapers Data Set - 包含来自 GHTorrent 的_工程软件项目_集合的数据集.
  • Software Heritage Graph Dataset - 来自各种伪造（GitHub、Gitlab、Debian、PyPI、Google Code 等）的超过 8000 万个软件项目的开发历史和文件元数据图表，以去重和统一的表示形式（paper here).
  • STAMINA -（状态机推理方法）数据用于对学习确定性有限状态机 (FSM) 的技术进行基准测试.
  • Stack Exchange - Stack Exchange 网络上所有用户贡献内容的匿名转储.
  • TravisTorrent - 提供免费且易于使用的 Traivs CI 构建分析.
  • Ultimate Debian Database (UDD) - 在同一 SQL 数据库中有关 Debian 各个方面的数据（例如软件包、错误、维护者）.
  • Unified Bug Dataset - 基于静态源代码的数据集，包括 Bugcatchers Bug 数据集， Bug Prediction Dataset， 这 Eclipse Bug Dataset， 这 GitHub Bug Dataset, 一些数据集来自 PROMISE 存储库.
  • Unix history - 具有 46 年 Unix 历史演变的 Git 存储库.

Tools

  • astminer - 用于挖掘基于路径的代码表示和从 AST 派生的其他数据的库和工具.
  • Boa - 简化挖掘软件存储库的特定领域语言和基础设施.
  • buckwheat - 用于从源代码中提取标识符的多语言分词器.
  • ckjm - Chidamber 和 Kemerer Java 指标.
  • Coming - 用于分析代码更改和从 Git 存储库中挖掘更改模式实例的 Java 框架.
  • CryptOSS - 挖掘加密货币项目的 GitHub 活动和市值数据.
  • DbDeo - 提取嵌入式 SQL 语句并检测数据库模式气味.
  • Designite - Compute source code metrics and detect a variety of implementation, design, and architecture smells for C#.
  • DesigniteJava - 计算源代码指标并检测 Java 的各种实现和设计味道.
  • Diggit - Agile Ruby Tool to analyze Git repositories.
  • GrimoireLab - 用于软件开发分析的免费/自由/开源工具.
  • MetricMiner - 精益 Java DSL 从 Git 和 SVN 存储库中挖掘和提取数据（例如提交、开发人员、修改、差异）.
  • Maven-miner - 用于解析整个 Maven 依赖关系图的 Java 工具和基础设施，托管在 Maven Central 中，形式为 Neo4j 图形.
  • Perceval - 从数十个后端获取存储库数据.
  • Puppeteer - 检测 Puppet 代码中的配置异味.
  • PyDriller - 用于分析 Git 存储库的 Python 框架.
  • qmcalc - 从 C 源代码计算质量指标.
  • reaper - 用于计算 GHTorrent 存储库分数的 Python 工具. 该分数量化了存储库中包含的项目_工程化_的程度.
  • RefactoringMiner - 用于检测 Java 代码更改中的重构的库/API.
  • VulData7 - Java 框架支持自动收集提交修复 NVD 中报告的漏洞（将 NVD 与 Git 链接）.

Research Outlets

License

CC0

在法律允许的范围内， Diomidis Spinellis 已放弃该作品的所有版权和相关或邻接权.

相关项目

AVA

AVA 是一个极简且具有未来感的 JavaScript 测试运行器

ActionScript 3

暂无描述

Appium

暂无描述

Assembler

暂无描述

Asyncio

> 精心挑选的 Python asyncio 框架、库、软件和资源列表.

AutoHotkey

精选清单 AutoHotkey 库、库分布、脚本、工具和资源. 受他人启发 awesome lists . 请阅读 CONTRIBUTING.md 在贡献之前.