Das Software-Institut der Chinesischen Akademie der Wissenschaften hat Fortschritte bei der Erstellung einer Abhängigkeitsanalyse von Python-Programmen gemacht und hilft Entwicklern dabei, die Effizienz der Code-Wiederverwendung zu verbessern

Laut der Website der Chinesischen Akademie der Wissenschaften hat das Forschungs- und Entwicklungszentrum für Software-Engineering-Technologie des Instituts für Software der Chinesischen Akademie der Wissenschaften kürzlich Forschungsfortschritte bei der Abhängigkeitsanalyse und Inferenz bei der Erstellung von Python-Programmen erzielt und Wissen vorgeschlagen. Angetriebene Python-Programmabhängigkeitsinferenzmethoden und -tools, die Entwicklern dabei helfen, die Effizienz ihrer Codewiederverwendung zu verbessern, Python-Programmkonstruktions- und Ausführungsfehler zu reduzieren, die durch fehlende Abhängigkeiten und falsche Abhängigkeitsversionen verursacht werden, und eine unterstützende Rolle bei der Verbesserung der Automatisierungsfunktionen für die Anwendungskonstruktion in der Entwicklung und Betriebswartung zu spielen Integration.

Berichten zufolge wird die Python-Sprache häufig im wissenschaftlichen Rechnen usw. verwendet, und Entwickler verbessern häufig die Entwicklungseffizienz durch Wiederverwendung von Code. Die Ausführungsumgebung von Python-Programmen ist jedoch komplex und hängt von Python-Paketen, Systembibliotheken und bestimmten Versionen des Python-Interpreters ab. Fehlende Programmabhängigkeiten oder inkompatible Abhängigkeitsversionen können zu Fehlern bei der Programmerstellung und Ausführungsfehlern führen.

Um dieses Problem anzugehen, schlägt die Studie eine wissensgesteuerte Methode zur Inferenz von Programmabhängigkeiten in Python vor, die zwei Phasen umfasst: die Erstellung von Wissensgraphen und die Inferenz von Programmabhängigkeiten. In der Konstruktionsphase des Wissensgraphen sammelt diese Methode eine große Menge heterogener Daten aus mehreren Quellen, extrahiert und fusioniert Wissen und erstellt einen Python-Domänen-Wissensgraphen. In der Phase der Programmabhängigkeitsinferenz basiert die Methode auf dem Domänenwissensgraphen und leitet die mehrstufigen Abhängigkeiten des Python-Zielprogramms durch Programmanalyse und Methoden zur Lösung von Einschränkungen ab.

Basierend auf der oben genannten Methode entwickelte diese Forschung PyEGo: ein wissensgesteuertes Tool zur Inferenz von Python-Programmabhängigkeiten. Experimentelle Ergebnisse zeigen, dass die Erfolgsrate der Abhängigkeitsinferenz des PyEGo-Tools 1,5- bis 4,5-mal so hoch ist wie die der vorhandenen Methoden, was die Genauigkeit und Ausführungseffizienz der Programmkonstruktion erheblich verbessert.

▲ Schematisches Diagramm der Methode zur Abhängigkeitsanalyse von Python-Programmen

Das obige ist der detaillierte Inhalt vonDas Software-Institut der Chinesischen Akademie der Wissenschaften hat Fortschritte bei der Erstellung einer Abhängigkeitsanalyse von Python-Programmen gemacht und hilft Entwicklern dabei, die Effizienz der Code-Wiederverwendung zu verbessern. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!