IT之家 1 月 7 日消息，據中國科學院網站，近日，中國科學院軟體研究所軟體工程技術研究開發中心在 Python 程式建構中的依賴分析推斷方面取得研究進展，提出知識驅動的 Python 程式依賴推斷方法及工具，幫助開發人員提高代碼複用效率，減少依賴缺失和依賴版本錯誤導緻的 Python 程式建構和運作錯誤，為提升開發運維一體化中的應用建構自動化能力起到支撐作用。
據介紹，Python 語言廣泛應用于科學計算等，開發者常常通過代碼複用提高開發效率。但 Python 程式運作環境複雜，依賴于 Python 包、系統庫和特定版本的 Python 解釋器。缺少程式依賴或者依賴版本不相容，會導緻程式建構失敗和運作錯誤。
針對該問題，研究提出一種知識驅動的 Python 程式依賴推斷方法，包括知識圖譜建構和程式依賴推斷兩個階段。在知識圖譜建構階段，該方法收集大量多源異構資料，進行知識的抽取和融合，建構 Python 領域知識圖譜。在程式依賴推斷階段，該方法基于領域知識圖譜，通過程式分析和限制求解方法推斷目标 Python 程式的多層次依賴。
IT之家了解到，基于上述方法，該研究開發了 PyEGo：知識驅動的 Python 程式依賴推斷工具。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，極大提升了程式建構的正确率和執行效率。
▲ Python 程式依賴分析方法示意圖