@采购中{bussi:hal-03375572，
title={通过软件遗产获取过程保存里程碑式的遗留软件}，
作者{劳拉·布西、罗伯托·迪科斯莫、卡洛·蒙坦杰罗和吉多·斯卡蒂纳}，
url={https://hal.archives-ouvertes.fr/hal-03375572},
年份：{2021}，
日期：{2021-10-01}，
书名：{iPres2021-17国际数字保存会议}，
地址：{中国北京}，
关键字={}，
pubstate={published}，
tppubtype={inproceedings}
}

@进厂{swh-fuse-icse2021，
title={The Software Heritage Filesystem（SwhFS）：集成源代码存档与开发}，
作者{Thibault Allançon和Antoine Pietri和Stefano Zacchiroli}，
url={https://arxiv.org/abs/2102.06390
https://www.softwareeheritage.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}，
书名：{ICSE2021：第43届软件工程国际会议}，
页码：{45-48}，
publisher={IEEE}，
abstract={我们介绍了软件遗产文件系统（SwhFS），这是一个用户空间的文件系统，它将大规模的开源软件存档与开发工作流相结合。SwhFS提供了软件遗产的POSIX文件系统视图，是最大的软件源代码和版本控制系统（VCS）的公共档案发展史。使用SwhFS，开发人员可以快速“签出”由软件遗产归档的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跨不相关的存储库和不同的VCS技术工作。其他由软件遗产归档的源代码工件单个源代码文件和树、版本和分支也可以使用通用编程工具和自定义脚本访问，就像它们在本地可用一样。可在dx在线获取SwhFS的屏幕广播。多伊。org/10.5281/zenodo。4531411.}，
关键字={}，
pubstate={published}，
tppubtype={inproceedings}
}

@正在处理{DBLP:conf/icms/Cosmo20，
title={使用软件遗产存档和引用源代码}，
作者{Roberto Di Cosmo}，
doi={10.1007/978-3-030-52200-1_36}，
isbn={978-3-030-52200-1}，
年份={2020}，
日期：{2020-07-15}，
书名={ICMS}，
体积={12097}，
页数={362--373}，
publisher={Springer}，
系列{计算机科学讲义}，
摘要={软件，特别是软件源代码，在现代研究中得到了广泛的应用。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归档、引用、描述和引用。本文介绍了软件遗产通用源代码存档如何提供一种方法来全面解决第一个问题wo关注的是，通过无缝地归档所有公开的软件源代码，并通过提供内在的持久性标识符，允许以一种同时方便和有效的方式在各种粒度上引用它。

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

@进厂{msr-2020-拓扑学，
title={确定公共软件开发历史的内在结构}，
作者{Antoine Pietri，Guillaume Rousseau，Stefano Zacchiroli}，
url={https://arxiv.org/abs/2011.07914
https://www.softwareeheritage.org/wp-content/uploads/2021/03/msr-2020-topology.pdf},
doi={10.1145/3379597.3387506}，
年份={2020}，
日期：{2020-05-01}，
书名：{MSR 2020:第17届国际挖掘软件知识库会议}，
页码{602-605}，
publisher={IEEE}，
摘要{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。对于公开发行的风投公司的整个语料库的内在结构知之甚少。需要了解它的结构，以确定全面分析它的最佳方法，并在这样做时避免方法学上的陷阱。目标：我们打算确定VCS捕获的公共软件开发历史中最显著的网络拓扑特性。我们将探讨：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：我们将使用软件遗产——最大的公共VCS数据语料库——使用webgraph压缩技术对其进行压缩，并使用经典的图形算法在内存中进行分析。将对全图和相关子图进行分析。局限性：研究本质上是探索性的；因此，目前还没有对研究结果提出任何假设。所选的图算法预计将按语料库的大小进行调整，但需要通过实验加以证实。外部有效性将取决于软件共享的代表性，
关键字={}，
pubstate={published}，
tppubtype={inproceedings}
}

@进厂{msr-2020-forks，
title={Forking Without click:关于如何识别软件存储库Forks}，
作者{Antoine Pietri，Guillaume Rousseau，Stefano Zacchiroli}，
url={https://arxiv.org/abs/2011.07821
https://www.softwareeheritage.org/wp-content/uploads/2021/03/msr-2020-forks.pdf},
doi={10.1145/3379597.3387450}，
年份={2020}，
日期：{2020-05-01}，
书名：{MSR 2020:第17届国际挖掘软件知识库会议}，
页码：{277-287}，
publisher={IEEE}，
abstract={随着时间的推移，软件“fork”的概念已经从（消极的）社区分歧现象转变为使用分布式版本控制系统（VCS）的（积极）实践，这种现象导致了单独的开发线和最终的软件产品的创建存储库可以协作改进单个产品，而不必互相干涉。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fork构成的真相的来源。然而，这些“forge fork”只能标识为在平台上创建的fork存储库，例如，通过单击平台用户界面上的“fork”按钮。代码托管平台（如GitLab）的日益多样化以及重要开发社区（如Linux内核，它主要不托管在任何一个平台上）的日益多样化，使人们对信任代码托管平台来识别fork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，试图捕捉现实世界中存在的分叉工作流。我们根据不同的定义量化了GitHub上有多少存储库被标识为fork的差异，证实了仅仅考虑forge fork就可以忽略大量的存储库。我们研究了fork网络的结构和大小，观察了它们是如何被建议的定义所影响的，并讨论了对实证研究的潜在影响，
关键字={}，
pubstate={published}，
tppubtype={inproceedings}
}

@进厂{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}，
作者{Antoine Pietri和Diomidis Spinellis和Stefano Zacchiroli}，
url={https://arxiv.org/abs/2011.07824
https://www.softwareeheritage.org/wp-content/uploads/2021/03/msr-2020-challenge.pdf},
doi={10.1145/3379597.3387510}，
年份={2020}，
日期：{2020-05-01}，
书名：{MSR 2020:第17届国际挖掘软件知识库会议}，
页数={1-5}，
publisher={IEEE}，
摘要={Software Heritage是现存最大的软件源代码和伴随的开发历史的公共档案。它跨越了超过50亿个独特的源代码文件和10亿个独特的提交，来自超过8000万个软件项目。这些软件工件是从主要的协作开发平台检索到的（例如，GitHub、GitLab）和包存储库（例如PyPI、Debian、NPM），并存储在统一的表示中，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，这是软件遗产在定期爬网期间观察到的。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的长尾研究问题，而不是像经常发生的那样只关注“最有明星”的存储库。}，
关键字={}，
pubstate={published}，
tppubtype={inproceedings}
}

@进厂{saner-2020-swh-graph，
title={Graph Compression的超大规模存储库分析}，
作者{保罗·博尔迪和安托万·皮耶特里、塞巴斯蒂亚诺·维格纳和斯特凡诺·扎奇罗利}，
url={https://www.softwareeheritage.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}，
日期：{2020-02-21}，
书名{SANER 2020:第27届IEEE软件分析、演化和再工程国际会议}，
页码：{184-194}，
publisher={IEEE}，
abstract={我们考虑了超大型软件档案的现代版本控制系统所捕获的开发历史的挖掘问题研究表明，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，我们压缩了完整的软件遗产档案，由50亿个独特的源代码文件和10亿个独特的提交文件组成，这些文件来自8000多万个包含GitHub镜像的软件项目。结果压缩后的图形可以容纳不到100gb的RAM，相当于硬件成本不到300美元。我们的研究表明，压缩后的全语料库在内存中的表现可以获得很好的性能，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={inproceedings}
}

@进厂{msr-2019-swh，
title={The Software Heritage Graph Dataset:Public Software development under one roof}，
作者{Antoine Pietri和Diomidis Spinellis和Stefano Zacchiroli}，
url={https://www.softwareeheritage.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}，
书名{第16届挖掘软件知识库国际会议论文集}，
页码{138-142}，
publisher={IEEE Press}，
系列={MSR'19}，
摘要={Software Heritage是现存最大的软件源代码公共档案和相应的开发历史：它目前跨越超过50亿个独特的源代码文件和10亿个独特的提交，来自8000多万个软件项目。本文介绍了软件遗产图数据集：完全重复数据消除d Merkle DAG表示软件遗产档案。数据集将文件内容标识符、源代码目录、版本控制系统（VCS）连接在一起，跟踪随时间的变化，直至VCS存储库的完整状态，如软件遗产在定期爬网期间所观察到的。数据集的内容来自主要的开发工具（包括GitHub和GitLab）、FOSS发行版（如Debian）和特定语言的包管理器（如PyPI）。爬行信息也包括在内，提供了关于所有归档的源代码工件在何时何地被观察到的时间戳。软件Heritage graph数据集有多种格式，包括可下载的CSV转储文件和本地使用的Apache Parquet文件，以及Amazon Athena交互式查询服务上的公共实例，以便随时使用强大的分析处理。源代码文件的内容在图形叶中被交叉引用，并且可以通过使用软件遗产归档API的单个请求来检索。}，
关键字={}，
pubstate={published}，
tppubtype={inproceedings}
}

@进厂{benevol-2018-swh，
标题{走向通用软件演化分析}，
作者{Antoine Pietri and Stefano Zacchiroli}，
url={https://www.softwareeheritage.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}，
日期：{2018-12-01}，
书名：{BENEVOL 2018:第17届比利时-荷兰软件进化研讨会}，
体积={2361}，
页数={6-10}，
系列={CEUR研讨会论文集（CEUR-WS）}，
摘要{软件进化研究主要集中在单个软件产品上，通常以自由/开源软件（FOSS）的形式开发项目，以及更节省的软件集合，如组件和包生态系统。本文认为，这种有机规模扩张的下一步是通用软件演化分析，即在整个公共可用软件规模上研究软件演化。我们以软件遗产为例，它是现有的最大的公开可用软件源代码工件（归档了5b以上的独特文件，提交了1b，来自超过800m个软件项目）。我们提出了研究需求，允许利用软件遗产档案研究通用软件演化。我们讨论了解决这些需求需要克服的挑战，并概述了实现这一目标的研究路线图，
关键字={}，
pubstate={published}，
tppubtype={inproceedings}
}

@正在进行中{dicosmo:hal-01865790，
title={数字对象的标识符：软件源代码保存的情况}，
作者{Roberto Di Cosmo and Morane Gruenpeter and Stefano Zacchiroli}，
url={https://www.softwareeheritage.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}，
日期：{2018-09-01}，
书名：{IPRES2018-第15届国际数字保存会议}，
关键字={}，
pubstate={published}，
tppubtype={inproceedings}
}

@正在进行中{dicosmo:hal-01590958，
title={Software Heritage:为什么和如何保存软件源代码}，
作者{Roberto Di Cosmo and Stefano Zacchiroli}，
url={https://www.softwareeheritage.org/wp-content/uploads/2020/01/ipres-2017-swh.pdf
https://hal.archives-ouvertes.fr/hal-01590958},
年份：{2017}，
日期：{2017-09-25}，
书名{IPRES2017:第14届国际数字保存会议}，
地址：{日本京都}，
关键字={}，
pubstate={published}，
tppubtype={inproceedings}
}