Detecting and Characterizing Bots that Commit Code
Detecting and Characterizing Bots that Commit Code
复制标题
检测和表征提交代码的机器人
DOI：
10.1145/3379597.3387478
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Mockus, Audris
中科院分区：
文献类型：
--
作者：
Dey, Tapajit;Mousavi, Sara;Ponce, Eduardo;Fry, Tanner;Vasilescu, Bogdan;Filippova, Anna;Mockus, Audris
背景在许多OSS项目中，一些传统上手动执行的开发人员活动，如提交代码、打开、管理或关闭问题，越来越多地受到自动化的影响。具体而言，此类活动通常由对事件做出反应或在特定时间运行的工具执行。我们将这些自动化工具称为机器人，并且在许多与开发人员生产力或代码质量相关的软件挖掘场景中，希望识别机器人，以便将其动作与个人的动作分开。目的找到一种自动化的方法来识别机器人和由这些机器人提交的代码，并基于其活动模式来表征机器人的类型。方法和结果我们提出了BIMAN，使用作者姓名、提交消息、提交修改的文件以及与提交相关的项目来检测僵尸程序的系统方法。对于我们的测试数据，AUC-ROC值为0.9。我们还根据代码提交的时间模式和修改的文件类型对这些机器人进行了特征分析，发现它们主要处理文档文件和网页，这些文件在HTML和JavaScript生态系统中最常见。我们已经编译了一个可共享的数据集，其中包含我们发现的461个机器人的详细信息（所有这些机器人都有超过1000次提交）和他们创建的13，762，430次提交。
BackgroundSome developer activity traditionally performed manually, such as making code commits, opening, managing, or closing issues is increasingly subject to automation in many OSS projects. Specifically, such activity is often performed by tools that react to events or run at specific times. We refer to such automation tools as bots and, in many software mining scenarios related to developer productivity or code quality, it is desirable to identify bots in order to separate their actions from actions of individuals.AimFind an automated way of identifying bots and code committed by these bots, and to characterize the types of bots based on their activity patterns.Method and ResultWe propose BIMAN, a systematic approach to detect bots using author names, commit messages, files modified by the commit, and projects associated with the commits. For our test data, the value for AUC-ROC was 0.9. We also characterized these bots based on the time patterns of their code commits and the types of files modified, and found that they primarily work with documentation files and web pages, and these files are most prevalent in HTML and JavaScript ecosystems. We have compiled a shareable dataset containing detailed information about 461 bots we found (all of which have more than 1000 commits) and 13,762,430 commits they created.
登录
查看更多内容
可解释的软件机器人贡献：自动错误修复的案例研究
DOI：
10.1109/botse.2019.00010
发表时间：
2019
期刊：
2019 IEEE/ACM 1st International Workshop on Bots in Software Engineering (BotSE)
影响因子：
--
作者：
Monperrus Martin
通讯作者：
Monperrus Martin
DOI：
--
发表时间：
2007
期刊：
Very Large Data Bases Conference
影响因子：
--
作者：
S. Helmer
通讯作者：
S. Helmer
DOI：
--
发表时间：
2016
期刊：
Interactions
影响因子：
--
作者：
Umer Farooq;J. Grudin
通讯作者：
J. Grudin
电子学习中的会话代理
DOI：
--
发表时间：
2008
期刊：
SGAI Conferences
影响因子：
--
作者：
Alice Kerly;Richard Ellis;S. Bull
通讯作者：
S. Bull
软件机器人的分类：更深入地了解软件机器人的特征
DOI：
--
发表时间：
2018
期刊：
影响因子：
--
作者：
Carlene Lebeuf
通讯作者：
Carlene Lebeuf