揭示仓库中心性在开源软件项目寿命预测中的价值

背景：开源软件是现代软件的构建基石。然而，开源世界中项目弃用的普遍性削弱了下游系统和广泛生态系统的完整性。因此，需要投入精力监控和预测项目弃用，使利益相关者能够采取主动措施。挑战：现有技术主要关注特定时间点的静态特征进行预测，导致效果有限。目标：我们提出了一种来自用户-仓库网络的新指标，并利用该指标拟合项目弃用预测器，证明其在现实生活中的意义。方法：我们建立了一个包含 2011 年至 2023 年间 103,354 个非 fork 的 GitHub 开源软件项目的综合数据集。我们提出了仓库中心性，这是 HITS 权重的一个族，用于捕捉仓库在仓库-用户星标网络中流行度的变化。进一步利用该指标，我们运用梯度提升和深度学习的进展来拟合生存分析模型，以预测项目寿命或其生存风险。结果：我们的研究揭示了 HITS 中心性指标与仓库弃用风险之间的相关性。仓库 HITS 权重的下降表明其中心性和流行度的下降，导致其弃用风险增加和预期寿命缩短。由仓库中心性和其他仓库特征驱动的预测模型在测试集上取得了令人满意的准确率，其中仓库中心性是所有特征中最显著的。意义：本研究为理解流行度对开源软件仓库弃用的影响提供了新视角。我们预测仓库弃用的方法有助于检测项目的健康状况并提前采取行动，从而培育更具弹性的开源软件生态系统。