20-MAD：Mozilla 与 Apache 开发 20 年的问题与提交记录
软件工程
2020-04-01 v1
摘要
长寿且高知名度的项目数据对于研究真实环境下的成功软件工程具有重要价值。拥有一个包含此类项目不同关联软件仓库的数据集，能够实现更深入的调查研究。本文提出了 20-MAD，一个关联 Mozilla 和 Apache 项目提交与问题数据的数据集。它包含 765 个项目、3.4M 次提交、2.3M 个问题和 17.3M 条问题评论的长达 20 多年的信息，其压缩后大小超过 6 GB。该数据包含有关源代码提交（例如，新增和删除的行数、提交信息和提交时间）以及问题（状态、严重程度、投票数和摘要）的所有典型信息。问题评论已经过预处理，可用于自然语言处理和情感分析。这包括表情符号以及效价和唤醒度分数。关联代码仓库与问题跟踪信息，允许在两种类型的仓库中研究个体，并为问题跟踪器提供更准确的时区信息。据我们所知，这是不基于 GitHub 的、在数据规模和项目生命周期跨度上最大的关联数据集。
引用
@article{arxiv.2003.14015,
title = {20-MAD -- 20 Years of Issues and Commits of Mozilla and Apache Development},
author = {Maëlick Claes and Mika Mäntylä},
journal= {arXiv preprint arXiv:2003.14015},
year = {2020}
}
备注
17th International Conference on Mining Software Repositories, 2020