Learning with Hong teacher, Taiwanese http://bkkchineseclass.blogspot.com/
Chinese Lover club http://www.lovechineseclub.com/
Pronunciation with Pinyin http://www.quickmandarin.com/chinesepinyintable/
How difference about "may be not" and "may not be"
from: http://www.usingenglish.com/forum/ask-teacher/46869-may-not-may-not.html
[1] She may be not a student, ...
Meaning => True, she is not a student, she's a teacher, but she works just as hard as a student. She studies English at home on her own time.
[2] She may not be a student.
Meaning => There is a possibility that she is not a student.
Modal may, like modal must, is ambiguous between epistemic and deontic modality:
Meaning => True, she is not a student, she's a teacher, but she works just as hard as a student. She studies English at home on her own time.
[2] She may not be a student.
Meaning => There is a possibility that she is not a student.
Modal may, like modal must, is ambiguous between epistemic and deontic modality:
Deontic modality
Ex: She may go to school.
=> permission; e.g., she is allowed to go.
Negated
Ex: She may not go to school.
=> permission to go to school is denied.
Epistempic modalityDoes that help?
Ex: She may be at school.
=> possibility;e.g., It is possible that she is at school.
Negated
Ex: She may not be at school.
=> There's a possibility that she is not at school.
Ex: She may be not at school, but ...
=> True, she is not at school, she's at home, but she's at home studying right now as if she were in school.
Thanks : vv0510_vn who posted this question and Casiopea who explained this question.
Joke from Think in English
From: http://www.thinkinenglish.com/index.php
Two doctors are in the hallway complaining about nurse Nancy.
"She`s out of control!" the first doctor says.
"She does everything backwards. Just last week I told her to give a man two milligrams of morphine every ten hours, she gave him 10 milligrams every two hours, he alomost died!"
"That`s nothing", said the second doctor,
"earlier this week I told her to give a man an enema every 24 hours, she tried to give him 24 enemas in one hour!"
All of a sudden they heard a blood curldling scream from down the hallway.
"OH MY GOD! I just realized that I told nurse Nancy to prick Mr. Smiths boil!"
ู^
^
^
แล้วนายคนนี้จะรอดมั๊ย
จดหมายถึงนายกฯ ป.เพื่อนบ้าน
From: http://www.norsorpor.com/go2.php?t=m&u=http://www.oknation.net/blog/chainews/2009/11/05/entry-1
...การแต่งตั้ง"นักโทษ"ของประเทศเพื่อนบ้าน ผมว่าท่านดูถูกประชาชนของท่านมากนะครับ...
อยากรู้จัง ฮุนเซนจะตอบคำถามนี้ว่าไง
สมเด็จพระเทพรัตนราชสุดาฯ สยามบรมราชกุมารี ทรงได้รับการเทิดทูนและยกย่องจากชาวจีนให้เป็น "มิตรที่ดีที่สุดในโลก"
ก่อนหน้านี้พระองค์ท่านได้รับการยกย่องให้เป็น "ทูตสันถวไมตรีไทย-จีน" และครั้งนี้เป็นการโหวตจากชาวจีนทั่วประเทศผ่านทางอินเทอร์เน็ตให้เป็น "มิตรที่ดีที่สุดในโลก" เป็นอันดับที่สอง
ชาวจีนทั่วไปจะรู้จักพระองค์ในนาม "สิรินธร"
คนไม่มีเวลา
เพลง คนไม่มีเวลา จากเรื่องจริงที่กินใจ
ถ้าพูดว่า “คนไม่มีเวลา” หลายๆคนคงนึกภาพของคนที่ยุ่งจนไม่มีเวลาทำอะไร, คนที่ชีวิตวุ่นวายรีบเร่ง แต่สำหรับว่าน ธนกฤต คนไม่มีเวลา มีความหมายต่างจากนั้นมากมายนัก
ข้อความต่อๆไป เกิดจากการพูดคุยสัมภาษณ์กับนักร้อง นักดนตรี รุ่นใหม่ ว่าน ธนกฤต
“ผมกับพี่จั๊ก (ชวิน จิตร์สมบูรณ์) ทำงานเพลงร่วมกัน ซึ่งพี่จั๊ก แต่งทำนองเสร็จนานแล้ว และให้ผมเขียนเนื้อ แต่ผมก็ยังเขียนไม่ได้ซักที มีอยู่วันหนึ่ง ขณะที่ผมกำลังจัดรายการ ก็มีแฟนรายการคนนึงมาขออัดเสียงผม โดยบอกว่าจะเอาไปให้เพื่อนที่กำลังป่วยฟัง และเพื่อนคนนั้นเค้าชอบผมมาก ซึ่งผมก็บอกว่า อย่าอัดเสียงเลยครับ ผมไปเยี่ยมก็ได้ ซึ่งตอนแรกผมรู้เพียงว่า พี่คนนั้นเค้าป่วย ต้องผ่าตัดสมอง แต่ไม่รู้รายละเอียดว่า เค้าเป็นอะไรขนาดไหน ซึ่งพอผมไปถึงที่โรงพยาบาล สิ่งแรกที่กระทบผมคือ เสียงเพลงจากอัลบั้มแรกของผมดังอยู่ในห้องนั้น ภาพที่ผมเห็นคือ ห้องคนป่วยที่บนผนังห้องติดโปสเตอร์ของผม รูปของผม และตารางจัดรายการของผม ส่วนพี่ที่นอนอยู่ในสภาพไม่รู้สึกตัว มีผ้าพันหัวและอุปกรณ์ช่วยชีวิตระโยงระยางเต็มไปหมด ผมได้พบกับครอบครัวของพี่เค้าด้วย ทุกคนในห้องเล่าให้ผมฟังว่า พี่ที่ป่วยชื่อพี่บี เป็นโรคเส้นเลือดในสมองแตก ต้องผ่าตัดสมองถึง 5 ครั้ง และตอนนี้ก็ยังไม่รู้สึกตัวเลย ทั้งแม่ และครอบครัว รวมถึงสามีของพี่บี ทุกคนเล่าให้ผมฟังว่า พี่บีดีขึ้น คือเริ่มขยับนิ้วได้บ้างแล้ว ทุกคนดูมีความหวังและกำลังใจ แต่สำหรับความรู้สึกของผม ผมกลับรู้สึกว่า เวลาในห้องนั้นได้หยุดเดิน ทุกคนที่รอ รออย่างไร้จุดหมาย เหมือนเวลามันได้ผ่านเลยไปสำหรับคนที่รออยู่
วันนั้น เมื่อกลับถึงบ้าน ผมเขียนเพลงที่ดองไว้นานเสร็จในเวลาแค่ครึ่งชั่วโมง “เวลา” อาจไม่มีความหมาย...สำหรับคนบางคน”
ข้างล่าง เป็นเรื่องราวของพี่มืดและพี่บี
พี่มืดกับพี่บี รู้จักกันเพราะทำงานที่เดียวกัน และก็เป็นแฟนกันนาน 8-9 ปี หลังจากนั้นก็แต่งงานกัน พี่มืดทำงานเป็น ครีเอทีฟบริษัทโฆษณา ส่วนพี่บีเป็นอาร์ต ไดเรคเตอร์ ทั้ง 2 คนเรียนจบเมืองนอก และบ้างานด้วยกันทั้งคู่ เมื่อแต่งงานกัน ทั้งคู่จึงมีแผนจะสร้างบ้านหลังใหม่ขึ้นมา และต้องใช้เงินอีกก้อนใหญ่ พี่บีซึ่งปกติทำงานเยอะอยู่แล้ว ก็รับจ๊อบเพิ่มขึ้น เพื่อหาเงินสร้างบ้าน งานเยอะก็เครียดหนัก จนปวดหัวประจำ และมีไมเกรนเป็นโรคประจำตัว
หลังจากแต่งงานกันมา 1 ปี 2 เดือน เช้าวันนั้น พี่มืดแต่งตัวเสร็จแล้ว เตรียมตัวไปทำงาน แต่พี่บียังไม่ลุกจากที่นอนและบ่นว่าปวดหัว พี่มืดเลยบอกให้นอนพักอยู่กับบ้าน ไม่ต้องไปทำงาน แล้วพี่มืดก็ออกไปทำงาน
นั่นเป็นเช้าวันสุดท้ายที่พี่มืดได้คุยกับพี่บี
พี่มืดเล่าว่า พี่บีเส้นเลือดในสมองแตก เพราะอาการปวดหัวอย่างหนัก ช่วงบ่ายวันที่เกิดเรื่อง พี่บีปวดหัวจนสลบไป และพี่สาวต้องพาไปส่งโรงพยาบาล หมอบอกว่า เส้นเลือดในสมองแตก และต้องเข้ารับการผ่าตัดถึง 5 ครั้ง ผ่าเส้นนี้อีกเส้นก็แตก ผ่าแล้วก็แตกถึง 5 รอบ จนสุดท้าย หมอก็บอกว่า คงไม่มีเส้นไหนให้แตกอีกแล้ว พี่บีออกจากห้องผ่าตัดมาก็ยังไม่ฟื้นอีกเลย
เมื่อเหตุการณ์เกิดขึ้นแบบไม่ทันตั้งตัว พี่มืดรับไม่ได้ ไม่ไปทำงาน ไม่กินไม่นอน ได้แต่นั่งเฝ้าอยู่ที่โรงพยาบาล ไม่เข้าใจว่าโชคชะตาเล่นตลกอะไรกับเค้า เหมือนตกจมดิ่งไปในหลุมลึกที่ไม่มีทางขึ้น ดิ้นรนทำทุกทางเพื่อคนรัก
พี่บีอยู่โรงพยาบาล 3 เดือน แบบไม่รู้สึกตัว จนวันหนึ่ง อยู่ๆพี่บีก็ลืมตาขึ้นมา พี่มืดและครอบครัวดีใจกันมาก แต่พี่บีก็แค่ลืมตา กระพริบตา ไม่ได้รับรู้อะไร นิ้วก็เริ่มกระดิกได้ ความหวังของพี่มืดเริ่มเกิดอีกครั้ง พี่มืดเอาแหวนแต่งงานที่ต้องถอดออกมาใส่ให้ แต่นิ้วพี่บีบวมใสไม่ได้ พี่มืดพูดติดตลกทั้งน้ำตากับพี่บีว่า “อ้วนขึ้นนะเธอ ลุกขึ้นมาเดินได้แล้ว”
หมอบอกว่า สำหรับคนเป็นโรคแบบนี้ รักษาอะไรไม่ได้ นอกจากรอ บางคนก็จะฟื้นตื่นขึ้นมาเอง บางคนตื่นก็หาย บางคนถึงตื่นมาก็ช่วยตัวเองไม่ได้ แต่บางคนก็อาจจะเป็นเจ้าหญิงนิทราตลอดไป ขอแค่มีความหวังและกำลังใจ อะไรก็เกิดขึ้นได้ หมอแนะนำให้พาพี่บีกลับไปดูแลที่บ้าน
พี่มืดต้องพยายามทำให้ตัวเองอยู่ได้ ทั้งเพื่อตัวเอง และเพื่อพี่บี
ชีวิตทุกวันนี้ พี่มืดตื่นขึ้นเพราะหมาที่พี่บีเคยเลี้ยงไว้ เข้ามาเลียหน้าปลุก พี่มืดต้องเปิดประตูบ้านให้มันออกไปข้างนอก ลงมาข้างล่างชงกาแฟ และแวะเข้าไปหาพี่บีที่ห้อง พี่มืดจะนั่งคุยเรื่องราวทั่วไป เปิดเพลง บางทีก็เอากาแฟเข้าไปใกล้ๆจมูกพี่บี เพราะพี่บีก็ติดกาแฟเหมือนกัน ถ้าอยากกินก็ตื่นขึ้นมากินนะ พี่มืดจะบอกพี่บีอย่างนี้ หลังจากดูพี่บีเสร็จก็ออกไปทำงาน ไปทำงานแล้วก็กลับบ้าน มานั่งเป็นเพื่อนพี่บี เป็นกิจวัตรอย่างนี้ทุกวัน
จากคนที่เคยสนุกสนานเฮฮาปาร์ตี้ ก็กลับเป็นคนเงียบสงบ รถติดก็จะหยิบหนังสือสวดมนต์มาอ่าน จนทุกวันนี้ท่องจบได้เป็นหน้าๆ ทำบุญ เข้าวัด โดยหวังบุญกุศลจะส่งผลถึงคนรัก ที่บ้านก็ต้องเปิดเพลงที่พี่บีชอบ ต้องนั่งพูดคุยเรื่องต่างๆให้ฟังทุกวัน พยายามหาอะไรที่เค้าชอบมาให้ได้รับรู้ อะไรก็ได้ ที่จะทำให้เธอกลับมาดังเดิม
จนทุกวันนี้เวลาผ่านไปเกือบ 1 ปีแล้ว ตั้งแต่กลับมาอยู่บ้าน พี่บีก็ยังเหมือนเดิม ตาที่ลืมขึ้นมา ก็มองอย่างเหม่อลอย โดยหาจุดโฟกัสไม่ได้ นิ้วมือทำได้แค่เพียงกระดิก แต่พี่มืดเชื่อว่า พี่บีรับรู้อยู่ข้างในแต่แสดงออกมาไม่ได้ พี่บีก็คงกำลังต่อสู้อย่างหนักเพื่อที่จะกลับมา พี่มืดก็จะต่อสู้เหมือนกัน เค้าจะไม่ทิ้งไปไหน และจะทำทุกอย่างเท่าที่ชีวิตนี้จะทำให้ได้ จะรอคอยอย่างมีความหวังต่อไป แม้เวลาจะนานต่อไปอีกแค่ไหน
เมื่อถามว่า ถ้าพี่บีตื่นขึ้นมา พี่มืดอยากพูดอะไรกับพี่บีเป็นคำแรก
พี่มืดตอบว่า “ผมอยากจะขอบคุณเค้า เพราะ ที่เค้าเป็นแบบนี้ทำให้ผมรู้ว่าผมรักเค้ามากแค่ไหน และถ้าผมเป็นคนที่นอนอยู่ตรงนั้นแทนที่จะเป็นเค้า ผมเชื่อว่า เค้าคงดูแลผมได้ดีกว่าที่ผมดูแลเค้า”
หลายคนบอกว่า ไม่มีอะไรเอาชนะกาลเวลาได้ แต่เราเชื่อว่าความรักสามารถเอาชนะวันเวลาได้ ขอบคุณพี่มืด พี่บี และครอบครัว ที่ทำให้เรารู้จักคุณค่าของความรักที่ยิ่งใหญ่เหนือเวลา
ขอบคุณ lockroom จาก http://www.pantip.com/cafe/chalermkrung/topic/C8244523/C8244523.html
Subversion Glossary
APR
Subversion is built on a portability layer called APR (Apache Portable Runtime library). This means Subversion should work on any operating system that the Apache httpd server runs on: Windows, Linux, all flavors of BSD, Mac OS X, Netware and others.
Branch
A branch refers to a copy of an existing original tree of directories and files. A branch always begins life as a copy of something, and moves on from there, generating its own history. Branches are usually created to try out new features without disturbing the main branch of development with compiler errors and bugs.
Checkout
Checking out a repository creates a copy of a desired branch on your local machine. This copy contains the latest revision of the repository that you specify.
Commit
A Commit of a file means the changes you have made on your local copy gets updated into the repository. Once a commit is made, users can see the latest version of that particular file after they do an "Update".
Conflict
Sometimes, when you update your files from the repository, you may get a conflict. A conflict occurs when two or more users have changed the same few lines of a file.
Hook
A hook is a program triggered by some repository event, such as the creation of a new revision or the modification of an unversioned property. A hook is handed enough information to tell what that event is, what targets it is operating on and the username of the person who triggered the event.
Lock
A Lock refers to a mechanism which a user asks for the exclusive right to modify change a working copy file.
Merging
Merging refers to the joining together of changes made on one branch into the trunk or vice versa another branch, which may also be the trunk.
Repository
The core of Subversion is a Repository. It is a centralized system to store and share data. The repository stores information in the form of a set of trees and branches, a hierarchy of directories and files. Any number of clients can connect to the repository and read or write to these files.
Repository Browser
In certain cases, one might need to work directly on the repository without having a working copy. This is where the repository browser comes in. It is identical to an explorer window with the icons, address bar to type in the repository URL name displayed. It also features commands like Copy, Move and Delete
Repository URL's
Repositories can be accessed through different methods on your local disk or through network protocols. A repository location always refers to a URL. These URL's use a standard syntax that refers to the server names and port numbers to be specified.
Revert
If you decide upon examination that you want to get back the changes made to a file, you can just skip back to the previous changes by using the Revert command.
Revision
Each time the repository accepts a commit, it creates a new version of the filesystem tree called a revision. Each revision is assigned a unique number, one greater than the number of the previous revision. The initial revision of a freshly created repository is numbered zero and consists of nothing but an empty root directory.
Revision Graph
A revision graph is a graphical representation of the location of the trunk, branches and tags going away from the trunk. It is very identical to a tree structure and is easy to view this sort of information.
Revision number
When you create a new repository, it begins its life at revision zero and each successive commit increases the revision number by one. After a commit is made, the Subversion client informs you of the new revision number. Each revision number has a tree hanging below it and each tree is a snapshot of the way the repository looks after each commit.
Switch
This subcommand updates your working copy to mirror a new URL; usually a URL which shares a common ancestor with your working copy. It is the Subversion way to move a working copy to a new branch.
Tagging
Tagging is basically placing a label on each file, no matter what revision number it has. This can be done either to a working copy or to the repository itself; the effects being the same.
Update
An update synchronizes the working copy with the last changes made by any user to the repository. It fetches the latest working copies of the files to your local drive. As a thumb rule, always update a file before making any changes to it.
Working copy
A working copy refers to the existing and updated copy of file(s) you have fetched from the repository. To obtain the working copy files, one needs to do a Checkout.
Irregular Verb
Base Form | Simple Past Tense | Past Participle |
| awake | awoke | awoken |
| be | was, were | been |
| bear | bore | born |
| beat | beat | beat |
| become | became | become |
| begin | began | begun |
| bend | bent | bent |
| beset | beset | beset |
| bet | bet | bet |
| bid | bid/bade | bid/bidden |
| bind | bound | bound |
| bite | bit | bitten |
| bleed | bled | bled |
| blow | blew | blown |
| break | broke | broken |
| breed | bred | bred |
| bring | brought | brought |
| broadcast | broadcast | broadcast |
| build | built | built |
| burn | burned/burnt | burned/burnt |
| burst | burst | burst |
| buy | bought | bought |
| cast | cast | cast |
| catch | caught | caught |
| choose | chose | chosen |
| cling | clung | clung |
| come | came | come |
| cost | cost | cost |
| creep | crept | crept |
| cut | cut | cut |
| deal | dealt | dealt |
| dig | dug | dug |
| dive | dived/dove | dived |
| do | did | done |
| draw | drew | drawn |
| dream | dreamed/dreamt | dreamed/dreamt |
| drive | drove | driven |
| drink | drank | drunk |
| eat | ate | eaten |
| fall | fell | fallen |
| feed | fed | fed |
| feel | felt | felt |
| fight | fought | fought |
| find | found | found |
| fit | fit | fit |
| flee | fled | fled |
| fling | flung | flung |
| fly | flew | flown |
| forbid | forbade | forbidden |
| forget | forgot | forgotten |
| forego (forgo) | forewent | foregone |
| forgive | forgave | forgiven |
| forsake | forsook | forsaken |
| freeze | froze | frozen |
| get | got | gotten |
| give | gave | given |
| go | went | gone |
| grind | ground | ground |
| grow | grew | grown |
| hang | hung | hung |
| hear | heard | heard |
| hide | hid | hidden |
| hit | hit | hit |
| hold | held | held |
| hurt | hurt | hurt |
| keep | kept | kept |
| kneel | knelt | knelt |
| knit | knit | knit |
| know | knew | know |
| lay | laid | laid |
| lead | led | led |
| leap | leaped/leapt | leaped/leapt |
| learn | learned/learnt | learned/learnt |
| leave | left | left |
| lend | lent | lent |
| let | let | let |
| lie | lay | lain |
| light | lighted/lit | lighted |
| lose | lost | lost |
| make | made | made |
| mean | meant | meant |
| meet | met | met |
| misspell | misspelled/misspelt | misspelled/misspelt |
| mistake | mistook | mistaken |
| mow | mowed | mowed/mown |
| overcome | overcame | overcome |
| overdo | overdid | overdone |
| overtake | overtook | overtaken |
| overthrow | overthrew | overthrown |
| pay | paid | paid |
| plead | pled | pled |
| prove | proved | proved/proven |
| put | put | put |
| quit | quit | quit |
| read | read | read |
| rid | rid | rid |
| ride | rode | ridden |
| ring | rang | rung |
| rise | rose | risen |
| run | ran | run |
| saw | sawed | sawed/sawn |
| say | said | said |
| see | saw | seen |
| seek | sought | sought |
| sell | sold | sold |
| send | sent | sent |
| set | set | set |
| sew | sewed | sewed/sewn |
| shake | shook | shaken |
| shave | shaved | shaved/shaven |
| shear | shore | shorn |
| shed | shed | shed |
| shine | shone | shone |
| shoe | shoed | shoed/shod |
| shoot | shot | shot |
| show | showed | showed/shown |
| shrink | shrank | shrunk |
| shut | shut | shut |
| sing | sang | sung |
| sink | sank | sunk |
| sit | sat | sat |
| sleep | slept | slept |
| slay | slew | slain |
| slide | slid | slid |
| sling | slung | slung |
| slit | slit | slit |
| smite | smote | smitten |
| sow | sowed | sowed/sown |
| speak | spoke | spoken |
| speed | sped | sped |
| spend | spent | spent |
| spill | spilled/spilt | spilled/spilt |
| spin | spun | spun |
| spit | spit/spat | spit |
| split | split | split |
| spread | spread | spread |
| spring | sprang/sprung | sprung |
| stand | stood | stood |
| steal | stole | stolen |
| stick | stuck | stuck |
| sting | stung | stung |
| stink | stank | stunk |
| stride | strod | stridden |
| strike | struck | struck |
| string | strung | strung |
| strive | strove | striven |
| swear | swore | sworn |
| sweep | swept | swept |
| swell | swelled | swelled/swollen |
| swim | swam | swum |
| swing | swung | swung |
| take | took | taken |
| teach | taught | taught |
| tear | tore | torn |
| tell | told | told |
| think | thought | thought |
| thrive | thrived/throve | thrived |
| throw | threw | thrown |
| thrust | thrust | thrust |
| tread | trod | trodden |
| understand | understood | understood |
| uphold | upheld | upheld |
| upset | upset | upset |
| wake | woke | woken |
| wear | wore | worn |
| weave | weaved/wove | weaved/woven |
| wed | wed | wed |
| weep | wept | wept |
| wind | wound | wound |
| win | won | won |
| withhold | withheld | withheld |
| withstand | withstood | withstood |
| wring | wrung | wrung |
| write | wrote | written |
A Survey and Taxonomy of Approaches for Mining Software Repositories in the Context of Software Evolution
By: H. Kagdi, M. L. Collard, and J. I. Maletic
Identified 4 dimensions in order to objectively describe and compare the different approaches
- The software repositories utilized: what information sources are used?
- The purpose of MSR: why mine or what to mine for?
- The methodology: how to achieve the purpose of mining from the selected software repositories?
- The evaluation of the undertaken approach: how to assess quality?
- source-control systems are used for storing and manageing changes to source code artifacts, typically files, under evolution.
- defect-tracking systems are used to manage the reporting and resolution of defects/bugs/faults and/or feature enhancements.
- archived communications: making them sources for information including change rationales.
In light of the primacy of source code change => 3 basic categories of information in a software repository that can be mined:
- the software artifacts/versions
- the differences between the artifacts/versions
- the metadata about the software change
4.9. Classification with supervised learning
4.9.1. Maintenance relevance relations
A classification-learning technique is used by Shirabad et al. [37–39] to determine the co-update relations between a pair of source code files, i.e., given two files determine whether a change in one leads to a change in the other. Such types of relations are also termed maintenance-relevance relations. A decision-tree classifier (i.e., model) is produced by a machine-learning (induction) algorithm. A time-based heuristic is employed to assign a relevant or non-relevant relation between a pair of files to form the learning and testing sets. A fixed time period between time T1 and T2 (T2
rate versus true-positive rate), precision, and recall plots imply that the PR attributes generate better classifiers than those of syntactic attributes. The comment attributes generated classifiers do not perform on a par with those generated with the PR attributes. However, they are better than those generated from the syntactic attributes. The classifiers generated from a combination of syntactic and comment attributes produce better results than either of them considered alone.
4.9.2. Triage bug reports
Anvik et al. [63] used a supervised learning (i.e., support vector machine algorithm) in order to recommend a list of potential developers for resolving a BR. Past reports in the Bugzilla repository are used to produce a classifier. The authors developed project-specific heuristics to train the classifier instead of directly using the assigned-to field of a BR. This was done to avoid incorrect assignment of BRs with default assignments that may not necessarily reflect the actual developer who resolved a bug. The approach is evaluated on three open-source projects Eclipse, Firefox, and GCC. Developers that contributed at least nine BR resolutions over the most recent three months were considered in the training set for Eclipse and Firefox. The precision for Eclipse and Firefox was 57% and 64%, respectively, and the recall 7% and 2%, respectively. The precision of GCC was 6% for recommending one developer and 18% for two/three developers. The recall of GCC was 0.3%, 2%, and 3% for recommending one, two, and three developers, respectively.
5. DISCUSSION AND OPEN ISSUES
5.1. MSR on fine-grained entities
One major issue is the disparity between the software-evolution data available in the repositories
and the needs of the stockholders, not just researchers but also including software maintainers.
The majority of current MSR approaches operate at either the physical level (e.g., system,
subsystems, directories, files, lines) or at a fairly high level of logical/syntactic entities (e.g., classes). This is regardless of the primary focus, i.e., changes of properties or artifacts. In part this is due to the researchers restricting their approaches/studies to what is directly available and supported by the software repositories (e.g., file and line view of source code and their differences). However, the investigations by Zimmermann et al. [33] have shown the benefits of further processing the information directly available from source code repositories for change prediction and impact-analysis tasks. In their study [33], there was no significant difference in precision and recall values between filebased and logical-based entities (i.e., classes, methods, and variables) with respect to change-prediction tasks. However, there is an implicit gain in terms of the context available to themaintainer, for example, the exact location of a predicted change. Predicting a change at an entity level rather than a file level reduces the manual effort as only the predicted entities (versus the whole file) need to be examined. This leads to the issue of extending current MSR by increasing the source code awareness. The issue of source code awareness could be twofold with regards to the types of MSR questions and the source code artifacts and differences. For example, on one end, a market-basket question is used to find logical/evolutionary couplings between source code entities. These couplings are termed ‘hidden’ dependencies as they are solely based on the historical information of software changes. However, very little attention has been paid as to whether these hidden dependencies correspond to relationships present in well-established source code models (e.g., control-flow graphs, dependency graphs, call graphs, and UML models). We feel that a finer-grained understanding of the source code changes is needed to address these types of questions. Fluri et al. [106] analyzed change-sets from a CVS repository to distinguish between changes within source code entities such as classes and methods (termed as structural changes) from the changes to license updates and white space between source code entities (termed as non-structural changes). The goal of their work was to refine evolutionary couplings detected from the version history with this information (i.e., reduce false positives). Their study on an Eclipse plugin found over 31% of change-sets with no structural changes and over 51% of change-sets with at least one non-structural change. In one of the rare cases, Ying et al. [34] defined the interestingness measure of the evolutionary coupling based on the source code dependencies such as calls, inheritance, and usage. Their study on Eclipse and Mozilla found evolutionary couplings that were not represented by the source code dependencies they considered. We feel that further utilizing such source code dependencies (such as association and dependency relationships defined in UML) will result in developing heuristics and criteria that would further reduce false evolutionary couplings. It will also help to detect evolutionary couplings that are prevalent but do not exhibit any source code dependencies (e.g., domain or developer induced dependencies). More studies in this direction are needed to realize the exclusive and synergistic contributions of MSR approaches.
5.2. Historical context: how many versions?
Software repositories bring a rich history of software development and evolution. One goal of MSR is to undercover the past successes, and failures, from historical information and improve the evolution process of the software system(s) under consideration.However, one needs to be carefulwhen selecting the amount and period of historical data for basing tools or models supporting a particular aspect of software evolution. Considering the development data too far back in the history imposes a risk of irrelevant information. The design or operational assumptions of the system may no longer be similar, or worse may be entirely different. For example, consider a hypothetical system that has undergone 1000 versions. The information about the changes in the first 50 versions may be totally irrelevant for predicting the changes in version 1001. A series of changes from version 50 to version 200 could be attributed to an unstable unit in the system that has now stabilized. On the other hand, considering too few versions of the system imposes the risk of being incomplete or missing important relevant information thus resulting in few useful results. For example, a current version of a system may be in the middle of a refactoring that is achieved by a sequence of changes (versions). The minimum requirement would be the past versions beginning from when the refactoring started to first confirm the kind of refactoring taking place and predict the remaining steps. The number of versions to mine depends on the task and the current state/phase of the system under consideration.
5.3. Threats to validity in MSR
MSR approaches use a variety of software repositories, ask different questions, and draw conclusions within the context of the conducted study. All of these factors are subject to threats to validity. Gasser et al. [16] identified the challenges associated with the common need among researchers in selecting, gathering, and maintaining the raw data of open-source projects for their respective investigations. They suggested a research infrastructure to deal with such challenges and to serve as a benchmark to facilitate comparative and collaborative research. They discussed the infrastructure with regards to representation standards for data and metadata available in various software repositories, linking them, the required tools, and a centralized data repository. German et al. further suggested a set of projects representing various sizes and domains, their extracted source code facts (i.e., syntax and semantic), and the period of considered history and observation for these projects to be benchmarked [10,18]. We call for a comparative framework to objectively compare MSR approaches with regards to the aspects of software evolution, MSR questions, and the results. Such a framework will facilitate more generic conclusions in the MSR research. Currently, it is difficult to see that two independent MSR investigations are asking equivalent questions or studying the same or similar aspect of software evolution. A benchmark of this nature would help address the expressiveness and effectiveness of MSR in improving software evolution.
J. Neville, F. Provost, "Predictive Modeling with Social Networks"
Jennifer Neville, Purdue University
Foster Provost, New York University
Abstract
Recently there has been a surge of interest in methods for analyzing complex social networks: from communication networks, to friendship networks, to professional and organizational networks. The dependencies among linked entities in the networks present an opportunity to improve inference about properties of individuals, as birds of a feather do indeed flock together. For example, when deciding how to market a product to people in MySpace or Facebook, it may be helpful to consider whether a person's friends are likely to purchase the product.
This tutorial will explore the unique opportunities and challenges for modeling social network data. We will begin with a description of the problem setting, including examples of various applications of social network mining (e.g., marketing, fraud detection). We will then present a number of characteristics of social network data that differentiate it from traditional inference and learning settings, and outline the resulting opportunities for significantly improved inference and learning. We will discuss specific techniques for capitalizing on each of the opportunities in statistical models, and outline both methodological issues and potential modeling pathologies that are unique to network data. We will give links to the recent literature to guide study, and present results demonstrating the effectiveness of the techniques.
Prerequisites: The tutorial assumes a basic knowledge of AI-style inference and machine learning, equivalent to an introductory graduate or advanced undergraduate class.
Mining Recurrent Activities: Fourier Analysis of Change Events
By: Abram Hindle, Michael W.Godfrey, and Richard C.Holt
ICSE 2009
vocabularies
mitigate ทำให้ลดน้อยลง เบาบางลง
duality การอยู่เป็นคู่
coefficient ค่าสัมประสิทธิ์
vague คลุมเครือ
ขอบคุณ Lexitron
Linear Predictive Coding and Cepstrum coefficients for mining time variant information from software repositories
By: Giuliano Antoniol, Vincenzo Fabio Rollo, and Gabriele Venturi
Abstract เสนอแนวทางการ recover time variant information from software repositories
ขณะนี้ยังขาดแคลนเทคนิค วิธีการในการสกัดข้อมูลที่ขึ้นอยู่กับเวลา แต่ในงานด้าน signal, image processing, and speech recognition มีวิธีการนำเสนอความแตกต่างของข้อมูล ณ ช่วงเวลาหนึ่งๆ
งานวิจัยนี้ใช้ LPC and Cepstrum coefficients เพื่อสร้างแบบจำลอง time varying software artifact histories. highlight component and artifacts evolved ที่เป็นไปในทางเดียวกันหรือคล้ายกัน
MSR 2005
Coming soon
Coming soon
V
V
V
"A Survey and Taxonomy of Approaches for Mining Software
Repositories in the Context of Software Evolution"
Subscribe to:
Posts (Atom)