处理第三方库推荐系统中的流行度偏差：我们进展几何？
软件工程
2023-04-21 v1
摘要
软件工程推荐系统（RSSEs）协助软件工程师在面对日益增长的信息过载时甄别替代开发方案。尽管 RSSEs 在提供便捷推荐方面愈发有效，它们往往受流行度偏差影响，即偏好那些主要因众多开发者使用而相关的条目。这虽奖励了可能更可靠、文档更完善的制品，但也意味着缺失的制品因过于特定或较新而鲜被使用。本文研究第三方库（TPL）RSSEs 中的流行度偏差。首先，我们调查 RSSEs 的前沿研究是否已解决流行度偏差问题。随后，我们定量评估四个现有 TPL RSSEs，探究它们处理热门条目推荐的能力。最后，我们提出一种在推荐列表中消除流行度偏差的机制。实证研究显示，TPL RSSEs 中处理流行度的问题尚未得到软件工程界足够重视。在调研的工作中，仅有一项开始调查该问题，尽管预测性能较低。
引用
@article{arxiv.2304.10409,
title = {Dealing with Popularity Bias in Recommender Systems for Third-party Libraries: How far Are We?},
author = {Phuong T. Nguyen and Riccardo Rubei and Juri Di Rocco and Claudio Di Sipio and Davide Di Ruscio and Massimiliano Di Penta},
journal= {arXiv preprint arXiv:2304.10409},
year = {2023}
}
备注
13 pages, To be appeared in the 20th Mining Software Repository Proceedings