一种用于预测 GitHub 中流行度的跨仓库模型
社会与信息网络
2019-02-15 v1
摘要
以 GitHub 为代表的社交编程平台可作为研究创新扩散的自然实验室，通过追踪程序员采用代码的模式来实现。本文关注随时间预测软件仓库流行度的问题；我们的目标是预测与流行度相关事件（代码 fork 和 watch）的时间序列。我们特别感兴趣于跨仓库模式——一个仓库上的事件如何影响其他仓库？我们提出的 LSTM（长短期记忆）循环神经网络整合了多个活跃仓库中的事件，优于基于单一仓库的标准 ARIMA（自回归积分滑动平均）时间序列预测。LSTM 利用跨仓库信息的能力使其相对于标准时间序列预测具有显著优势。
引用
@article{arxiv.1902.05216,
title = {A Cross-Repository Model for Predicting Popularity in GitHub},
author = {Neda Hajiakhoond Bidoki and Gita Sukthankar and Heather Keathley and Ivan Garibay},
journal= {arXiv preprint arXiv:1902.05216},
year = {2019}
}
备注
6 pages