@正在进行{osec-2022_en，
title={构建开放科学的软件支柱}，
author={Roberto Di Cosmo}，
url={http://www.dicosmo.org/Articles/2022-osec-en.pdf},
doi={10.4000/books.oep.15829}，
isbn={9791036545627}，
年份={2022}，
日期={2022-01-01}，
urldate={2022-01-01}，
booktitle={开放科学欧洲会议（OSEC 2022）}，
页数={183--193}，
publisher={OpenEdition出版社}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@正在进行{dicosmo_tpdl2022，
title={我们应该保护世界软件历史吗？}，
author={Roberto Di Cosmo}，
editor={吉安马利亚·西尔维洛（Gianmaria Silvello）、奥斯卡·科乔（Oscar Corcho）、保罗·曼吉（Paolo Manghi）、乔治奥·玛丽亚·迪·努齐奥（Giorgio Maria Di Nunzio）、科罗卡·戈卢布（Koraljka Golub）、尼古拉·费罗（Nicola Ferro）和安东内拉·波吉（Antone，
url={http://www.dicosmo.org/Articles/2022-TPDL.pdf},
doi={10.1007/978-3-031-16802-4-1}，
年份={2022}，
日期={2022-01-01}，
urldate={2022-01-01}，
booktitle={数字图书馆链接理论与实践-第26届国际
数字图书馆理论与实践会议，TPDL 2022，
意大利帕多瓦，2022年9月20日至23日，Proceedings}，
体积={13541}，
页数={3--7}，
publisher={Springer}，
series={计算机科学讲稿}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@正在进行{oss-2022-swh-scanner，
title={开放源代码的有效事先发布标识}，
作者={丹尼尔·塞拉菲尼和斯特凡诺·扎奇罗利}，
url={https://www.softwareheritage.org/wp-content/uploads/2022/12/oss-2022-swh-scanner.pdf},
doi={10.1145/3555051.3555068}，
年份={2022}，
日期={2022-01-01}，
urldate={2022-01-01}，
booktitle={第18届开源系统国际会议（OSS2022）}，
publisher={ACM}，
abstract={自由/开源软件（FOSS）允许大规模重用预先存在的软件组件。主要缺点是软件供应链管理的复杂性增加。控制这种复杂性的一种常见方法是自动化开放源码遵从性，它包括自动验证是否遵守有关许可证义务履行、漏洞跟踪、软件组合分析和附近关注点的各种开放源码管理最佳实践。我们考虑审核源代码库以确定其哪些部分以前已发布的问题，这是自动化开放源码遵从性工具链的重要构建块。事实上，如果据称在内部开发的源代码被确认为之前在其他地方发布过，则应发出警报，调查其来源以及是否需要在产品装运之前履行额外的义务。我们提出了一种有效的先前出版物识别方法，该方法依赖于在全局Merkle直接无环图和专用发现协议中链接在一起的已知源代码工件的知识库。我们引入了swh-scanner，这是一种源代码扫描程序，它在实践中实现了所建议的方法，并将其用作知识库软件遗产，这是最大的源代码工件公共存档。我们通过实验验证了所提出的方法，在抽象（查询数）和具体术语（墙锁时间）方面都显示了其效率，并在16'845个大小不等的实际公共代码库上执行了基准测试。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@进行中{msr-2022-foss-地理学，
title={《公共法典贡献中的地理多样性：50年来的探索性大规模研究》}，
author={戴维德·罗西和斯特凡诺·扎奇罗利}，
url={https://www.softwareheritage.org/wp-content/uploads/2022/12/msr-2022-foss-geography.pdf},
doi={10.1145/3524842.3528471}，
年份={2022}，
日期={2022-01-01}，
urldate={2022-01-01}，
booktitle={2022年采矿软件存储库会议（MSR 2022）}，
页数={80-85}，
publisher={ACM}，
抽象={我们对50年来公开可用版本控制系统存储库的提交进行了探索性、大规模、纵向研究，以描述公共代码贡献者的地理多样性及其随时间的演变。我们分析了Software Heritage从1.6亿个项目中收集的总计22亿份提交1971-2021年期间，共有4300万作者创作。我们将开发人员定位到源自联合国地理方案的12个世界区域，并使用电子邮件顶级域、作者姓名与世界各地的姓名分布进行比较以及从提交元数据中挖掘的UTC偏移量作为信号。我们发现了北美早期在开源软件领域占据主导地位的证据，后来欧洲也加入了这一行列。此后，公共法规中的地域多样性不断增加。我们还确定了与UNIX战争、中亚和南亚编码识字率提高以及殖民主义和国家间人口流动（移民/移民）等更广泛现象相关的历史变化。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@正在进行{msr-2022-foss-licenses，
title={大型（开源）许可证文本变量数据集}，
作者={斯特凡诺·扎奇罗利}，
url={https://www.softwareheritage.org/wp-content/uploads/2022/12/msr-2022-foss-licenses.pdf},
doi={10.1145/3524842.3528491}，
年份={2022}，
日期={2022-01-01}，
urldate={2022-01-01}，
booktitle={2022年采矿软件存储库会议（MSR 2022）}，
页数={757-761}，
publisher={ACM}，
abstract={我们引入了一个自由/开源软件（FOSS）完整文本的大规模数据集许可证变体。为了组装它，我们从软件遗产档案中收集了所有版本的文件，这些文件的名称通常用于向软件用户和开发人员传达许可条款。该数据集由650万个独特的许可文件组成，可用于对开源许可、自动许可分类器培训、法律文本的自然语言处理（NLP）分析以及自由／开源软件许可的历史和发展研究进行实证研究。还提供了有关所提供的许可证文件的附加元数据，使数据集可以在各种上下文中使用；它们包括：文件长度度量、检测的MIME类型、检测的SPDX许可证（使用ScanCode）、示例来源（例如GitHub存储库）、许可证出现的最早的公共提交。该数据集作为开放数据发布，作为包含所有重复数据消除的许可证文件的存档文件，再加上几个用于元数据的便携式CSV文件，通过加密校验和引用文件。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@进行中{icse-seis-2022-性别，
title={全球公共准则贡献中的性别差异（以及它们如何受到新冠肺炎疫情的影响）}，
author={戴维德·罗西和斯特凡诺·扎奇罗利}，
url={https://www.softwareheritage.org/wp-content/uploads/2022/12/icse-seis-2022-gender.pdf},
doi={10.1109/ICSE-SEIS55304.2022.9794118}，
年份={2022}，
日期={2022-01-01}，
urldate={2022-01-01}，
booktitle={第44届国际软件工程会议（ICSE 2022）-社会软件工程（SEIS）轨道}，
页码={172-183}，
publisher={ACM}，
抽象={性别不平衡是一个众所周知的现象，在整个科学界都观察到了这种现象，在软件开发和自由/开源软件社区中尤为严重。对于这种现象的地理位置，尤其是在考虑其时间和空间维度的大尺度时，我们知之甚少。我们用一个对公开可用软件源代码贡献者群体的纵向研究。我们分析了1.6亿个软件项目的开发历史，在50年的时间里，由4300万不同的作者贡献了总计22亿个提交。我们使用基于电子邮件地址和时区的启发法，根据姓名频率和作者地理位置，按性别对作者姓名进行分类。我们研究了不同性别和世界地区对公共准则贡献的时间演变。就整个世界而言，我们证实了之前关于女性作者贡献率低但稳步增长的研究结果。当按世界区域划分时，我们发现女性参与的长期增长是一个世界性的现象。我们还观察到，在新冠肺炎疫情期间，女性参与率有所下降，这表明女性参与公共法规的能力比男性受到的阻碍更大。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@进行中{bussi:hal-03375572，
title={使用软件遗产获取过程保存地标性遗产软件}，
author={Laura Bussi和Roberto Di Cosmo以及Carlo Montangero和Guido Scatena}，
url={https://hal.archives-ouvertes.fr/hal-03375572},
年份={2021}，
日期={2021-10-01}，
booktitle={iPres2021-第17届国际数字保护会议}，
地址={中国北京}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@正在进行{swh-fuse-icse2021，
title={The Software Heritage Filesystem（SwhFS）：将源代码存档与开发集成}，
author={Thibault Allançon和Antoine Pietri和Stefano Zacchiroli}，
url={https://arxiv.org/abs/1202.06390
https://www.softwareheritage.org/wp-content/uploads/2021/03/swh-fuse-icse2021.pdf},
doi={10.1109/ICSE-Companion52605.2021.00032}，
年份={2021}，
日期={2021-01-01}，
urldate={2021-01-01}，
booktitle={ICSE 2021:第43届国际软件工程会议}，
页数={45-48}，
publisher={IEEE}，
abstract={我们介绍了软件遗产文件系统（Software Heritage filesystem，SwhFS），这是一个用户空间文件系统，它集成了大规模开源软件存档和开发工作流。SwhFS提供了软件遗产的POSIX文件系统视图，这是软件源代码和版本控制系统（VCS）的最大公共存档发展历史。使用SwhFS，开发人员可以快速“签出”Software Heritage归档的20亿个提交中的任何一个，即使它们从以前的已知位置消失，也不会产生存储库克隆的性能成本。SwhFS跨无关的存储库和不同的VCS技术工作。由Software Heritage-individual源代码文件和树、版本和分支存档的其他源代码工件也可以使用通用编程工具和自定义脚本进行访问，就像它们在本地可用一样。SwhFS的屏幕广播可在dx.doi.org/10.5281/zenodo.4531411.}上在线获得，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@正在处理{DBLP:conf/icms/Cosmo20，
title={使用软件遗产存档和引用源代码}，
author={Roberto Di Cosmo}，
doi={10.1007/978-3-030-52200-1_36}，
isbn={978-3-030-52200-1}，
年份={2020年}，
日期={2020-07-15}，
booktitle={ICMS}，
体积={12097}，
页数={362--373}，
publisher={Springer}，
series={计算机科学讲稿}，
抽象={软件，尤其是软件源代码，在现代研究中被广泛使用。为了建立一个稳定和持久的科学知识库，必须对其进行适当的存档、引用、描述和引用。在本文中，我们展示了软件遗产通用源代码存档是如何提供一种方法来全面解决第一个我们关注的是，通过无缝存档所有公开可用的软件源代码，并通过提供内在的持久标识符，允许以方便有效的方式在不同粒度上引用它。

 
我们呼吁研究界广泛采用这种方法。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@正在进行{msr-2020-拓扑，
title={确定公共软件开发历史的内在结构}，
author={安托万·皮埃特里（Antoine Pietri）、纪尧姆·卢梭（Guillaume Rousseau）和斯特凡诺·扎奇罗利（Stefano Zacchiroli）}，
url={https://arxiv.org/abs/2011.07914
https://www.softwareheritage.org/wp-content/uploads/2021/03/msr-2020-topology.pdf},
doi={10.1145/3379597.3387506}，
年份={2020年}，
日期={2020-05-01}，
booktitle={MSR 2020：第17届国际采矿软件库会议}，
页码={602-605}，
publisher={IEEE}，
abstract={背景：协同软件开发产生了丰富的版本控制系统（VCS）现在可以全面分析的数据。对于作为互连图的整个公开VCS语料库的内在结构知之甚少。需要了解其结构，以确定对其进行全面分析的最佳方法，并在进行分析时避免方法陷阱。目标：我们打算确定VCS捕获的公共软件开发历史的最显著网络拓扑属性。我们将探索：度分布，确定它们是否无标度；连接件尺寸分布；最短路径长度的分布。方法：我们将使用最大的公共VCS数据集Software Heritage，使用网络图压缩技术对其进行压缩，并使用经典图形算法在内存中对其进行分析。将对完整图和相关子图进行分析。局限性：该研究本质上是探索性的；因此，目前没有对这些发现提出任何假设。所选择的图形算法预计会扩展到语料库大小，但需要通过实验进行验证。外部有效性将取决于软件遗产在软件公共领域的代表性。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@进行中{msr-2020-forks，
title={无需单击即可分叉：关于如何识别软件存储库分叉}，
author={安托万·皮埃特里（Antoine Pietri）、纪尧姆·卢梭（Guillaume Rousseau）和斯特凡诺·扎奇罗利（Stefano Zacchiroli）}，
url={https://arxiv.org/abs/2011.07821
https://www.softwareheritage.org/wp-content/uploads/2021/03/msr-2020-forks.pdf},
doi={10.1145/3379597.3387450}，
年份={2020年}，
日期={2020-05-01}，
booktitle={MSR 2020：第17届国际采矿软件库会议}，
页码={277-287}，
publisher={IEEE}，
abstract={随着时间的推移，软件“fork”的概念已经从社区分歧的（消极）现象转变为使用分布式版本控制系统（VCS）的（积极）实践存储库可以协同改进单个产品，而不必相互干涉。在这两种情况下，参与fork的VCS存储库共享共同开发历史的一部分。对软件分叉的研究通常依赖于托管平台元数据，例如GitHub，作为组成分叉的事实来源。然而，这些“伪造分叉”只能识别为在平台上创建的分叉存储库，例如通过单击平台用户界面上的“分叉”按钮。代码托管平台（例如GitLab）的多样性增加，以及重要开发社区的习惯（例如Linux内核，它主要不托管在任何一个平台上），都对信任代码托管平台来识别分支的可靠性提出了质疑。这样做可能会在实证研究中引入选择和方法偏差。在本文中，我们探讨了“软件分叉”的各种定义，试图捕获现实世界中存在的分叉工作流。根据不同的定义，我们量化了GitHub上被标识为fork的存储库数量的差异，确认了仅考虑forge fork就可以忽略相当多的存储库。我们研究了分叉网络的结构和规模，观察它们如何受到拟议定义的影响，并讨论了对实证研究的潜在影响。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@正在进行{msr-2020-挑战，
title={软件遗产图数据集：公共软件开发历史的大规模分析}，
author={Antoine Pietri、Diomidis Spinellis和Stefano Zacchiroli}，
url={https://arxiv.org/abs/2011.07824
https://www.softwareheritage.org/wp-content/uploads/2021/03/msr-2020-challenge.pdf},
doi={10.1145/3379597.3387510}，
年份={2020年}，
日期={2020-05-01}，
booktitle={MSR 2020：第17届国际采矿软件库会议}，
页数={1-5}，
publisher={IEEE}，
抽象={软件遗产（Software Heritage）是现有最大的软件源代码和相关开发历史公共档案。它涵盖了超过50亿个独特的源代码文件和10亿个独特提交，来自8000多万个软件项目。这些软件工件是从主要的协同开发平台检索的（例如，GitHub、GitLab）和包存储库（例如，PyPI、Debian、NPM），并以统一的表示形式存储，将源代码文件、目录、提交和版本控制系统（VCS）存储库的完整快照链接在一起，如Software Heritage在定期爬网期间观察到的那样。这个数据集在可访问性和规模方面是独一无二的，它允许探索公共软件开发长尾的许多研究问题，而不是像通常那样只关注“最星级”存储库。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@进行中{saner-2020-swh-graph，
title={通过图形压缩进行超大规模存储库分析}，
author={保罗·博尔迪（Paolo Boldi）、安托万·皮埃特里（Antoine Pietri）、塞巴斯蒂亚诺·维格纳（Sebastiano Vigna）和斯特凡诺·扎基罗利（Stefano Zacchiroli）}，
url={https://www.softwareheritage.org/wp-content/uploads/2020/02/saner-2020-swh-graph.pdf
https://upsilon.cc/~zack/research/publications/saner-2020-swh-graph.pdf}，
doi={10.1109/SANER48275.2020.9054827}，
年份={2020年}，
日期={2020-02-21}，
booktitle={SANER 2020：第27届IEEE软件分析、进化和重组国际会议}，
页数={184-194}，
publisher={IEEE}，
abstract={我们考虑挖掘现代版本控制系统捕获的开发历史的问题，即超大规模软件档案（例如，对应的数千万个软件存储库）我们表明，图形压缩技术可以应用于该问题，大大减少了挖掘相似大小语料库所需的硬件资源。作为一个具体的用例，我们压缩了完整的Software Heritage存档，其中包括50亿个唯一源代码文件和10亿个唯一提交，这些文件来自8000多万个软件项目，包括GitHub的完整镜像。生成的压缩图只需不到100GB的RAM，相应的硬件成本不到300美元。我们表明，可以以优异的性能访问完整语料库的压缩内存表示，边缘查找时间接近内存随机访问。作为一个示例开发实验，我们表明压缩图可以用于在这个规模上进行克隆检测，这得益于主内存访问速度。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@正在进行{msr-2019-swh，
title={The Software Heritage Graph Dataset:公共软件开发在同一屋檐下}，
author={Antoine Pietri、Diomidis Spinellis和Stefano Zacchiroli}，
url={https://www.softwareheritage.org/wp-content/uploads/2020/01/msr-2019-swh.pdf
https://upsilon.cc/~zack/research/publications/msr-2019-swh.pdf}，
doi={10.1109/MSR.2019.00030}，
年份={2019}，
日期={2019-05-27}，
booktitle={第十六届国际采矿软件库会议论文集}，
页码={138-142}，
publisher={IEEE出版社}，
系列={MSR’19}，
抽象={软件遗产（Software Heritage）是现有最大的软件源代码和相关开发历史公共档案：它目前跨越了50多亿个唯一源代码文件和10亿个唯一提交，来自8000多万个软件项目。本文介绍了软件遗产图数据集：一个完全重复数据消除d Merkle DAG表示软件遗产档案。该数据集将文件内容标识符、源代码目录链接在一起，版本控制系统（VCS）提交跟踪随时间推移的演变，直至Software Heritage在定期爬网期间观察到的VCS存储库的完整状态。数据集的内容来自主要的开发伪造品（包括GitHub和GitLab）、FOSS发行版（例如Debian）和特定于语言的包管理器（例如PyPI）。还包括爬行信息，提供了关于何时何地在野外观察到所有存档源代码工件的时间戳。Software Heritage图形数据集有多种格式，包括可下载的CSV转储和用于本地使用的Apache Parquet文件，以及Amazon Athena交互式查询服务上的公共实例，用于现成的强大分析处理。源代码文件内容在图形叶子处交叉引用，可以使用Software Heritage存档API通过单个请求检索。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@进行中{benevol-2018-swh，
title={走向通用软件演化分析}，
author={Antoine Pietri和Stefano Zacchiroli}，
url={https://www.softwareheritage.org/wp-content/uploads/2020/01/benevol-2018-swh.pdf
https://upsilon.cc/~zack/research/publications/benevol-2018-swh.pdf}，
issn={1613-0073}，
年份={2018年}，
日期={2018-12-01}，
booktitle={BENEVOL 2018:第17届比利时-荷兰软件进化研讨会}，
体积={2361}，
页数={6-10}，
series={CEUR研讨会记录（CEUR-WS）}，
abstract={软件进化研究主要集中于单个软件产品，通常开发为自由/开源软件（FOSS）项目，以及更节省的软件集合，如组件和包生态系统。我们在本文中认为，这种有机规模扩展的下一步是通用软件演化分析，即在整个公开可用软件的规模上研究软件演化。我们考虑了Software Heritage的情况，它是现有最大的公开可用软件源代码工件存档（存档的5 B多个唯一文件和1 B多个提交，来自8千多万个软件项目）。我们提出了研究要求，允许利用软件遗产档案来研究通用软件演化。我们讨论了需要克服的挑战，以满足这些要求，并概述了这样做的研究路线图。}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@进行中{dicosmo:hal-01865790，
title={数字对象标识符：软件源代码保存案例}，
author={罗伯托·迪·科斯莫（Roberto Di Cosmo）、莫兰·格伦彼得（Morane Gruenpeter）和斯特凡诺·扎奇罗利（Stefano Zacchiroli）}，
url={https://www.softwareheritage.org/wp-content/uploads/2020/01/ipres-2018-swh.pdf
https://hal.archives-ouvertes.fr/hal-01865790},
doi={10.17605/OSF.IO/KDE56}，
年份={2018年}，
日期={2018-09-01}，
booktitle={iPRES 2018-第十五届国际数字保护会议}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}

@进行中{dicosmo:hal-01590958，
title={软件遗产：为什么以及如何保留软件源代码}，
author={罗伯托·迪·科斯莫和斯特凡诺·扎奇罗利}，
url={https://www.softwareheritage.org/wp-content/uploads/2020/01/ipres-2017-swh.pdf
https://hal.archives-ouvertes.fr/hal-01590958},
年份={2017年}，
日期={2017-09-25}，
booktitle={iPRES 2017:第14届数字保存国际会议}，
address={日本京都}，
关键字={}，
pubstate={published}，
tppubtype={inprocesdings}
}