Jun, 2024

关于学习方法在持续集成中应用的系统文献综述

PDF
TL;DR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。
发现论文，激发创造
  • 机器学习在持续集成中的应用的系统文献综述

    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。

    May, 2023

  • 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

  • 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

  • 文献综述的人工智能：机遇与挑战

    本文综述了人工智能在系统文献综述中的应用，重点研究了 AI 技术在文献综述的半自动创建中的应用，特别是在筛选和提取阶段。通过对 21 个主流文献综述工具的分析，以及对 11 个利用大型语言模型进行文献搜索和学术写作辅助的最新工具的分析，讨论了领域内的当前趋势，概述了关键研究挑战，并提出了未来研究的方向。

    Feb, 2024

  • 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

  • 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

  • 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

  • 人工智能自动化科学文献系统评价

    在近 15 年里，通过调查 AI 技术的应用情况，以帮助研究人员进行系统的科学文献分析，我们揭示了当前支持的任务、应用的算法类型和 34 项研究中提出的可用工具，同时提供了该领域演变的历史视角和人类在越来越自动化的系统性文献回顾过程中发挥的作用。

    Jan, 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

  • 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