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， 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， 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，这个层面的开发貌似要用到切面编程，面相代码的编程么，否则Fisch干嘛要搞这个，肯定和他的方向是有关的。
项目层面的MSR的数据源可以通过很多工具得到，Balazs用的是change log作为数据源，这确实是个不错的主意，但是感觉似乎可以通过访问API得到更多的数据，因此下一步要看看能不能得到更丰富的数据，以便更详细的分析。数据源的信息提取不是问题，不管是XML还是纯文本，想提取出有用信息都不是大问题，问题还在获取数据的方式。
另一个问题就是可视化了，虽然MSR从定义上来说和可视化没什么关系，但是就我看到的论文来说，几乎所有这个领域的东西都涉及到了可视化，看来版本可视化是个很热、很实用的东西。我对于可视化基本上就是外行了，目前知道的只有tag cloud和vtk，这方面还要继续查阅相关资料。
另外在阅读论文的过程中，发现了一个很重要的概念，就是change-pattern，这个概念我第一次听说，但是貌似是MSR的核心问题之一，因为不管你是做data mining，还是做visualization，你的目的都不仅仅是把变化直接的表示出来，而是要从变化中得出什么结论，也就是说从变化的特征，推出整个项目的特征，从而更易于管理。
接下来的工作还是蛮多的，一方面要继续读相关论文，另一方面也要开始初步的编码工作了，把项目中有可能用到的技术提前学一学，每天也要写写代码来热身，避免手感不好造成的效率低下。
文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览34006 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！