近期,我院軟件工程團隊2項成果被軟件工程國際頂級期刊ACM Transactions on Software Engineering Methodology (TOSEM) 錄用并在線刊出。TOSEM是國際上公認的最權威、最高水平的軟件工程領域頂級期刊之一,也是軟件工程領域僅有的兩個CCF A類國際期刊之一。每年1卷,每卷4期,30年(1992-2021)共計收錄論文629篇,年均接收文章僅20餘篇,錄用率極低。
2021年10月,以楊文華老師為第一作者,我校為第一單位的成果《Do Developers Really Know How to Use Git Commands? A Large-Scale Study Using Stack Overflow》被TOSEM錄用,這是南京航空航天大學首篇作為第一作者第一單位的成果被TOSEM錄用并在線刊出。次月,周宇教授第一作者成果《Adversarial Robustness of Deep Code Comment Generation》被TOSEM錄用;近年來,我校軟件工程團隊不斷開拓,在軟件工程研究上注重内涵式高質量發展,持續取得重要科研成果。根據TOSEM官網上的數據顯示,據統計,我校在TOSEM上發表的論文(含合作)有6篇文章,排在内地高校前茅。
《Do Developers Really Know How to Use Git Commands? A Large-Scale Study Using Stack Overflow》研究了開發者對于Git命令的使用情況。Git是一個跨平台的開源分布式版本控制工具,為軟件開發提供了強有力的支持。然而,盡管Git被廣泛使用,即使是經驗豐富的開發者,在使用各種Git命令時仍經常面臨使用上的困難。為了更好地幫助開發者使用Git,該工作對Stack Overflow這個廣受開發者歡迎的問答論壇進行了大規模的實證研究。從Stack Overflow中提取了8萬多個相關問題,并分析了Git命令問題的流行趨勢以及開發者使用Git命令的常見困難。此外,還進行了一項調查,以了解開發者在實踐中是如何學習Git命令的。基于上述實證研究與調查發現的結果,該工作為研究者、教育者和開發者提供了一系列可執行的指導。
《Adversarial Robustness of Deep Code Comment Generation》研究了深度神經網絡(DNN)應用于代碼注釋生成任務時的魯棒性問題。最近,DNN被用于包括代碼注釋生成在内的各種軟件工程任務,但衆所周知,DNN容易受到對抗樣本的影響。該工作提出了一種生成對抗代碼片段的方法來提供深度代碼注釋生成的魯棒性,生成的對抗代碼片段不僅語法上正确而且在語義上接近于原始代碼片段。同時該工作還提出了一種新的訓練方法來進一步提高代碼注釋生成的魯棒性,可應用于現有代碼注釋生成模型。在大規模公開數據集上的實驗結果表明,生成的對抗代碼片段可以有效地産生具有功能保護的穩定攻擊,并且與基準相比具有更好的遷移性,提出的訓練方法也可以有效地提高模型的魯棒性。