Understanding software through automated classification: a taxonomic perspective

Open-source software nu beter doorzoekbaar

Open-source software is enorm gegroeid, met miljoenen projecten op platforms zoals GitHub. Hoewel deze toename de innovatie versnelt, maakt het het ook moeilijker om bestaande software te vinden, begrijpen en hergebruiken—vooral voor nieuwkomers die te maken krijgen met grote en complexe codebases.

In zijn proefschrift pakt Cezar Sas deze uitdagingen aan door een modern, ontwikkelaargericht systeem te introduceren voor het organiseren en classificeren van software. Bestaande methoden vertrouwen vaak op eenvoudige tags of README-bestanden, die inconsistent zijn en niet goed aansluiten bij hoe ontwikkelaars daadwerkelijk werken. In plaats daarvan stelt Sas een hiërarchische taxonomie voor, gebaseerd op echte ontwikkelaarsterminologie en GitHub-topics, die software op een duidelijkere en gestructureerdere manier beschrijft.

Om relevantie en schaalbaarheid te garanderen, maakt het systeem gebruik van geavanceerde technieken zoals grote taalmodellen en automatische methodes om categorieën te creëren en te verfijnen. Een belangrijke innovatie is de verschuiving van classificatie op projectniveau naar meerdere detailniveaus, zoals bestanden en pakketten, wat de nauwkeurigheid verhoogt en vaak over het hoofd geziene onderwerpen blootlegt.

Het resultaat is een praktisch en schaalbaar raamwerk dat de vindbaarheid en het hergebruik van software verbetert. Door beter aan te sluiten bij hoe ontwikkelaars software begrijpen en bouwen, helpt dit werk om de kloof te overbruggen tussen de groeiende open-sourcewereld en de tools die nodig zijn om daarin effectief te navigeren.

Cezar Sas voerde zijn onderzoek uit bij het Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, afdeling Software Engineering. 

Proefschrift: https://hdl.handle.net/11370/63c820f9-b463-4000-a45f-fbdbce513cbf