1 月 7 日消息，據(jù)中國科學院網站，近日，中國科學院軟件研究所軟件工程技術研究開發(fā)中心在 Python 程序構建中的依賴分析推斷方面取得研究進展，提出知識驅動的 Python 程序依賴推斷方法及工具，幫助開發(fā)人員提高代碼復用效率，減少依賴缺失和依賴版本錯誤導致的 Python 程序構建和運行錯誤，為提升開發(fā)運維一體化中的應用構建自動化能力起到支撐作用。

　　據(jù)介紹，Python 語言廣泛應用于科學計算等，開發(fā)者常常通過代碼復用提高開發(fā)效率。但 Python 程序運行環(huán)境復雜，依賴于 Python 包、系統(tǒng)庫和特定版本的 Python 解釋器。缺少程序依賴或者依賴版本不兼容，會導致程序構建失敗和運行錯誤。

　　針對該問題，研究提出一種知識驅動的 Python 程序依賴推斷方法，包括知識圖譜構建和程序依賴推斷兩個階段。在知識圖譜構建階段，該方法收集大量多源異構數(shù)據(jù)，進行知識的抽取和融合，構建 Python 領域知識圖譜。在程序依賴推斷階段，該方法基于領域知識圖譜，通過程序分析和約束求解方法推斷目標 Python 程序的多層次依賴。

　　基于上述方法，該研究開發(fā)了 PyEGo：知識驅動的 Python 程序依賴推斷工具。實驗結果顯示，PyEGo 工具的依賴推斷成功率是已有方法的 1.5—4.5 倍，極大提升了程序構建的正確率和執(zhí)行效率。

　　▲ Python 程序依賴分析方法示意圖

特別提醒：本網信息來自于互聯(lián)網，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創(chuàng)性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯(lián)系我們，本站將會在24小時內處理完畢。