预测 GitHub 仓库的流行度
软件工程
2018-08-07 v1 社会与信息网络
摘要
GitHub 是全球最大的源代码仓库。它提供了一个基于 git 的源代码管理平台，并具备许多受社交网络启发的功能。例如，GitHub 用户可以通过为项目加星来表达赞赏。因此，仓库的星标数量是衡量其流行度的直接指标。本文使用多元线性回归来预测 GitHub 仓库的星标数量。这些预测对仓库所有者和客户都很有用，他们通常希望了解自己的项目在竞争激烈的开源开发市场中表现如何。通过大规模分析，我们表明所提出的模型在使用过去六个月内获得的星标数量进行训练后，开始提供准确的预测。此外，对于增长缓慢和/或星标较少的仓库，建议使用特定模型——这些模型利用具有相同增长趋势的仓库数据生成。最后，我们评估了不预测仓库星标数量，而是预测其在 GitHub 仓库中排名的能力。我们发现预测排名与实际排名之间存在非常强的相关性（Spearman 相关系数大于 0.95）。
引用
@article{arxiv.1607.04342,
title = {Predicting the Popularity of GitHub Repositories},
author = {Hudson Borges and Andre Hora and Marco Tulio Valente},
journal= {arXiv preprint arXiv:1607.04342},
year = {2018}
}
备注
Preprint of a paper accepted at 12th International Conference on Predictive Models and Data Analytics in Software Engineering (PROMISE)