揭示存储库中心性在开源软件项目生命周期预测中的价值
应用物理
2024-05-15 v2
摘要
背景：开源软件是现代软件的构建块。然而，由于项目在开源世界中的弃用现象增多，削弱了下游系统和广泛生态系统的完整性。因此，需要努力来监控和预测项目弃用，使利益相关者能够采取积极措施。挑战：现有技术主要 focus 在某一时点的静态特征进行预测，导致效果有限。目标：我们提出一种新型指标来自用户-存储库网络，利用该指标来拟合项目弃用预测器并证明其实际意义。方法：我们建立了一个包含103,354个非 fork 的 GitHub 开源软件项目的数据集，涵盖2011至2023年。我们提出了存储库中心性，这是一系列HITS权重，捕捉存储库在存储库-用户星网络中流行度的变化。进一步地，我们利用梯度提升和深度学习技术为存储库生命周期或其存活风险拟合存活分析模型。结果：我们的研究揭示了HITS中心性指标与存储库弃用风险之间存在相关性。存储库HITS权重下降表明其中心性和流行度下降，导致其弃用风险增加，其预期寿命降低。我们基于存储库中心性和其他存储库特征的预测模型在测试集上实现了令人满意的准确率，其中存储库中心性是所有特征中最重要的特征。意义：本研究提供了一种新视角来理解流行度对开源存储库弃用的影响。我们的方法可以预测存储库的弃用，帮助检测项目的健康状况并提前采取行动，促进更具韧性的开源生态系统的建立。
引用
@article{arxiv.2405.07507,
title = {A frequency-domain enhanced multi-view network for metal fatigue life prediction},
author = {Shuonan Chen and Xuhong Zhou and Yongtao Bai},
journal= {arXiv preprint arXiv:2405.07507},
year = {2024}
}