关于 Hugging Face Hub 对实证研究适用性的探讨
软件工程
2023-07-28 v1
摘要
背景。软件工程实证研究的开展主要依赖于代码托管平台上可用的数据,GitHub 是最具代表性的平台。然而,近年来,机器学习 (ML) 的兴起导致了专为开发基于 ML 的项目而设计的平台的出现,Hugging Face Hub (HFH) 是其中最流行的一个。HFH 拥有超过 25 万仓库且快速增长,正在成为一个有前景的 ML 工件生态系统,从而成为实证研究的潜在数据来源。然而,迄今为止尚无评估 HFH 用于此类研究潜力的研究。目标。在这份注册报告提案中,我们旨在对 HFH 的现状进行探索性研究,以调查其作为实证研究源平台的适用性。方法。我们对 HFH 进行定性与定量的实证研究分析。前者将通过比较 HFH 与 GitHub 和 GitLab 等其他代码托管平台的特征来进行。后者将通过分析了 HFH 中可用的数据来进行。
引用
@article{arxiv.2307.14841,
title = {On the Suitability of Hugging Face Hub for Empirical Studies},
author = {Adem Ait and Javier Luis Cánovas Izquierdo and Jordi Cabot},
journal= {arXiv preprint arXiv:2307.14841},
year = {2023}
}
备注
Accepted registered report at the 17th ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM 2023)