机器学习在持续集成中的应用的系统文献综述

May, 2023

机器学习在持续集成中的应用的系统文献综述

Systematic Literature Review on Application of Machine Learning in Continuous Integration

Ali Kazemi Arani, Triet Huynh Minh Le, Mansooreh Zahedi, Muhammad Ali Babar

TL;DR本研究对机器学习在持续集成中的应用进行了系统综述，探讨了其数据工程、特征工程、超参数调整、评估方法等方面。研究提供了研究者和从业者在持续集成中应用机器学习方法的有价值的见解，强调在这一领域需要进一步研究。

Abstract

This research conducted a systematic review of the literature on machine learning (ML)-based methods in the context of continuous integration (CI) over the past 22 years. The study aimed to identify and describe the techniques used in ML-based solutions for CI and analyzed various aspe

machine learning continuous integration data engineering hyper-parameter tuning performance measurements

发现论文，激发创造

关于学习方法在持续集成中应用的系统文献综述

该研究综述了持续集成领域中基于学习的方法，探讨了自动化持续集成任务的分析以及相关技术和指标的应用和缺陷，为研究人员和从业者提供了有价值的洞见，并强调了在持续集成中进一步研究这些方法的重要性。

Jun, 2024

机器学习与持续集成

本文对机器学习在自动化持续集成（CI）阶段中的应用进行了系统性知识总结，旨在弥补现有解决方案中的不足并推动领域技术的发展。

Apr, 2023

机器学习项目如何使用持续集成实践？基于 GitHub Actions 的实证研究

对 185 个开源项目进行综合分析，发现机器学习项目在持续集成方面存在独特挑战，如建立时间更长、测试覆盖率较低以及构建时间趋势增加的问题。研究通过定量和定性分析揭示了持续集成在机器学习和传统项目中的差异和讨论的主题。

Mar, 2024

软件工程中机器学习的系统文献综述

应用机器学习技术研究软件工程领域的现状，特别关注软件质量保证、软件维护、软件理解和软件文档等方面。

Jun, 2024

数据清洗与机器学习：一项系统性文献综述

这篇论文综述了机器学习与数据清洗之间的双向关系，总结了最新的数据清洗方法和机器学习在数据清洗方面的应用，并提供了未来的研究建议。

Oct, 2023

SyROCCo：利用机器学习增强系统性综述

利用机器学习技术帮助系统性综述过程，开发一系列工具以分析与 “基于结果的合同” 主题相关的 1,952 篇出版物，结果显示机器学习技术在提高证据可达性和分析方面具有实用性，但需谨慎应用，克服其潜在的错误和偏差。

Jun, 2024

源代码分析的机器学习技术调查

本文旨在总结如何应用机器学习技术进行源代码分析的最新研究动态，并回顾 12 类软件工程任务及相应的机器学习技术、工具和数据集。在文献调研的基础上，文章总结了研究观察和发现，并总结了每个任务的通用步骤、机器学习技术和可用数据集和工具，并讨论了这一领域面临的各种挑战。

Oct, 2021

循着最佳实践指引的机器学习

本文旨在通过分析机器学习在软件工程中的最佳实践，填补现有文献不足的空缺，并针对机器学习应用所面临的挑战和开发过程，提出一系列以软件工程视角为基础的建议。

Apr, 2023

利用机器学习管道扩展系统文献综述

通过构建一个自动化的流水线以及实验，我们在仅需人工筛选的 2 周时间内，取得了非常高的准确性和泛化能力，从而使得系统能够自动完成系统性评论过程的主要步骤，包括文件搜索、文件选择以及数据提取。

Oct, 2020

人工智能模型持续开发的流程 —— 研究与实践当前状况

本文提供了一个综合的文献综述及九个半结构化采访，总结了 AI 模型持续开发中面临的挑战。作者提出了一种适用于 AI 持续开发的流水线，包含数据处理、模型学习、软件开发及系统运维四个阶段，并针对每个阶段的实施、适应和使用提出了具体挑战。

Jan, 2023