Fork熵：评估开源软件项目分支的多样性
软件工程
2023-09-20 v2
摘要
在GitHub等开源软件（OSS）平台上，分叉（forking）和接受拉取请求（pull-requests）是OSS项目接收贡献的重要途径，尤其来自无法直接提交到源仓库的外部贡献者。拥有大量fork常被视为项目受欢迎的指标。尽管已有大量研究理解分叉的原因、fork间通信、fork的特征与影响，除数量外，鲜有能提供简单而信息丰富的定量度量来洞察OSS项目fork的方法。受生物多样性与OSS团队多样性研究启发，本文提出一种度量OSS项目fork（即其fork种群）多样性的方法。我们基于Rao二次熵设计了一种新颖的fork熵度量，依据fork对项目文件的修改来度量该多样性。所提fork熵度量具备对称性、连续性和单调性等性质，能有效量化项目fork种群的多样性。为 further检验该度量的效用，我们使用从GitHub五十个项目检索的数据进行实证研究。我们观察到项目fork熵与不同结果变量间存在显著相关，包括由外部贡献者提交数衡量的项目外部生产率、外部贡献者拉取请求接受率以及报告缺陷数。我们还观察到fork熵与fork数量等其他因素间的显著交互作用。结果表明，fork熵有效丰富了我们对OSS项目fork超越简单fork数量的理解，并可能支持进一步研究与应用。
引用
@article{arxiv.2205.09931,
title = {Fork Entropy: Assessing the Diversity of Open Source Software Projects' Forks},
author = {Liang Wang and Zhiwen Zheng and Xiangchen Wu and Baihui Sang and Jierui Zhang and Xianping Tao},
journal= {arXiv preprint arXiv:2205.09931},
year = {2023}
}
备注
The 38th IEEE/ACM International Conference on Automated Software Engineering (ASE 2023)