近日，中國科學院軟件研究所軟件工程技術研究開發中心在Python程序構建中的依賴分析推斷方面取得研究進展，該研究提出了知識驅動的Python程序依賴推斷方法及工具,幫助開發人員提高代碼復用效率，減少依賴缺失和依賴版本錯誤導致的Python程序構建和運行錯誤，為提升開發運維一體化中的應用構建自動化能力起到重要支撐作用。 

　　Python語言是當前最流行的編程語言之一，尤其廣泛應用于科學計算等。開發者常常通過代碼復用提高開發效率。但是Python程序運行環境復雜，依賴于Python包、系統庫和特定版本的Python解釋器。缺少程序依賴，或者依賴版本不兼容，會導致程序構建失敗和運行錯誤。 

　　針對該問題，團隊提出了一種知識驅動的Python程序依賴推斷方法，包括知識圖譜構建和程序依賴推斷兩個階段。在知識圖譜構建階段，該方法收集大量多源異構數據，進行知識的抽取和融合，構建Python領域知識圖譜。在程序依賴推斷階段，該方法基于領域知識圖譜，通過程序分析和約束求解方法推斷目標Python程序的多層次依賴。 

　　基于上述方法，團隊開發了PyEGo：知識驅動的Python程序依賴推斷工具，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，極大提升了程序構建的正確率和執行效率，團隊依托該成果獲得2021年第四屆中國軟件開源創新大賽(自由組)一等獎。 

　　相關成果以“Knowledge-Based Environment Dependency Inference for Python Programs”為題被軟件工程領域頂級會議ICSE 2022接收。該論文第一作者為碩士生葉宏杰，通訊作者為副研究員陳偉。該研究獲國家重點研發計劃等項目支持。 

Python程序依賴分析方法示意圖