BurstBiRank: Co-Ranking GitHub的开发人员和项目与复杂网络结构和猝发性交互

图2

Burstiness-weighted developer项目由两部分构成的网络。边缘的重量是burstiness的函数可以计算使用交互序列。

3.3。BiRank

分数扩散是一个通用的许多流行的排名方法背后的PageRank (19]和BiRank [13],它使用一个迭代过程扩散分数的邻居,直到静止状态。在静止状态被视为最后的分数排名成绩。分数扩散的过程可以贺为方程(4)和(5),大量的开发人员和项目更新。

为了确保收敛性和稳定性,BiRank采用对称的正常化。

BiRank也采用查询向量排序模型中利用先验信念在排名的节点方程所示(7)和(8)。之前的信念和扩散分数与hyperparameters平衡<我>γ和<我>λ分别为开发人员和项目。

最后,BiRank[的等价的矩阵形式7)可以得到方程(9)和(10) 在哪里<我>年代权重矩阵的对称正常化吗<我>W。

3.4。整体算法

梳理部分3所示。1,3所示。2,3所示。3我们最后提出BurstBiRank,整个算法算法所示1。

3.5。时间复杂度分析

的时间复杂度BurstBiRank由两部分组成。第一部分是时间间隔的计算,burstiness,边的权值,所以时间复杂度 ,在哪里的交互和数量吗developer项目组织的数量。第二部分是BurstBiRank算法的迭代过程,以及方程的时间复杂度(9)和(10)是<我>O(<我>||UP·| |)。然而,大多数实际网络通常非常稀疏,只有非零元素(对应于现有的边缘)应该存储和计算的矩阵乘法和 。因此,第二部分是时间复杂度<我>O(<我>c|E|),<我>c迭代次数和吗<我>|E|边的数量。BurstBiRank的总体时间复杂度<我>O( E + c | |)。

4所示。实验

在本节中,BurstBiRank的性能评估对现实世界的GitHub数据集(29日]。所有的实验都运行在Windows PC corei7 - 4790 3.6 GHz CPU和16 GB的内存。

4.1。数据集

GHTorrent数据集是一个离线通过GitHub镜像的数据提供了REST API的一个子集关于PHP开发社区中使用这个实验。GHTorrent数据截至2018年11月1日,是选择和预处理如下:(1)提交开发人员之间的相互作用和PHP项目选择;(2)提交日期是提取自提交时间戳;(3)多个提交交互的记录相同的日期合并为一条记录;(4)开发人员等于或小于10记录被排除在外;(5)遵循开发人员之间的关系,观察提取的开发人员和项目之间的相互作用。预处理后的数据集的统计数据,如表所示2。

数据 数 开发人员 129649年 项目 171296年 遵循 41881年 观察人士 27154年 developer项目提交的交互 8327263

表2

数据集的统计数据。

4.2。评价指标

相关分析和先生(susceptible-infected-removed)模拟通常采用图的排名方法的评价。

在相关分析中,排名结果进行比较与地面真理使用相关系数。肯德尔的τ30.]是一种相关系数和比较排名等订单,而不是具体排名成绩或地面真值。肯德尔的τ的定义见以下方程:

X和<我>Y和长度是两个不同的列表吗<我>n,通常是预测排名排名和地面真理。<我>C和<我>D数字之间的整合和不和谐的对吗<我>X和<我>Y,分别。让 和 ;如果> 0,那么 被称为一对整合,如果< 0,那么 被称为不和谐的一对。在的情况下= 0,这一对是一致的和不一致的。

对测量影响的复杂性,相关分析的地面实况使用简单的程度developer-developer网络或developer项目后看网络。正如我们所知,学位是当地中心指标只能大致测量节点的影响力从本地视图在网络节点的影响主要与信息传播到整个网络的能力。一般来说,较高的节点影响会传播信息网络中多个节点。因此,我们采用模型(爵士31日),一个经典的流行病模型,在我们的实验中评价我们的提议的排名方法的性能。如图3先生,在模型中,节点在网络中有三种状态,即敏感(<我>年代)、感染(<我>我)和删除(<我>R)。最初,选择一个节点作为感染节点和其他敏感节点。然后,应用迭代式的传播过程。在每个迭代中,感染节点感染一个受到邻国的概率<我>α和感染节点恢复删除状态的概率<我>β。迭代传输过程停止时没有被感染节点的网络。恢复节点的最终数字可以被视为最初选择的节点的影响,感染。

图3

爵士模型(来源:图改编自Pastor-Satorras et al。32])。

4.3。基线的方法

展示我们BurstBiRank提议的有效性,我们比较几种基线的排名方法。除了burstiness-weighted developer项目由两部分构成的网络,其他两个developer项目由两部分构成的网络也由未加权的边缘(UW)和提交number-weighted边缘(CN),和所有基线方法评估这两个由两部分构成的网络与PageRank-UW等相应的后缀。的hyperparameters BurstBiRank<我>γ和<我>λ都是设置为0.85,查询向量和将开发人员和项目的度超过总数的每个类型的节点,分别可以计算使用方程(13)和(14)。 BiRank(13)采用diffusion-based利用相互强化的方式由两部分构成的网络中不同类型的节点相互排名两种不同类型的节点和迭代过程中采用标准化策略。hyperparameters都在我们的实验设置为0.85。SVDRank和SVDARank(25]运用奇异值分解由两部分构成的网络,选择第一特征向量作为最终的排序向量。他们之间的不同之处在于,SVDRank最初由两部分构成的网络上运行而SVDARank介绍前两个地面节点最初由两部分构成的网络应用奇异值分解为了解决悬空节点的问题。网页排名(19)作为在网络排名得分扩散过程和等级节点通过迭代扩散网络的成绩。在我们的实验中,我们直接申请PageRank developer项目由两部分构成的网络忽略类型的节点。在我们的实验hyperparameter设置为0.85。

4.4。结果

4.1.1。相关分析

实验的相关分析,开发人员的追随者在developer-developer选择网络作为开发人员的排名,地面实况和项目的一些观察人士developer项目看选择网络作为项目的排名地面真理。肯德尔τ为开发人员和项目分别计算,如表所示3。

方法 前20名 位 前100 项目 开发人员 项目 开发人员 项目 开发人员 PageRank-UW 0.1618 −0.0526 0.0211 0.0378 0.1190 0.0244 PageRank-CN −0.0686 −0.1297 −0.0462 0.0299 0.1232 0.0272 SVDRank-UW −0.2480 −0.0897 −0.3631 0.0197 0.0105 0.0773 SVDRank-CN 0.0831 0.1221 0.0173 0.0092 0.0428 0.0321 SVDARank-UW −0.2000 0.0011 −0.3669 0.0200 0.0121 0.0700 SVDARank-CN 0.1024 −0.0263 0.0305 0.0121 0.0503 0.0435 BiRank-UW 0.0390 −0.0263 0.0296 0.0395 0.1195 0.0071 BiRank-CN −0.0474 −0.2054 0.0207 0.0201 0.0314 0.0534 BurstBiRank 0.1633 0.1604 0.0315 0.1221 0.1257 0.0843

表3

相关分析。

从相关分析的结果表3,我们有以下的观察:(1)我们建议BurstBiRank优于所有基线方法在识别前20名,位,前100有影响力的开发人员和项目开发人员除了前100。这表明运用的有效性burstiness开发者和项目之间的重量测量的影响开发人员和项目,而不是忽略边缘重量或只是使用提交数量作为边缘的重量。这一结果不仅同意之前的研究(14),但也符合实际的直觉,开发人员更关注于重要项目持续和定期工作。(2)(即随机walk-based排名方法。,网页排名和BiRank),higher performance can be obtained with unweighted edges than commit number-weighted edges for identifying high influential (i.e., Top-20) developers and projects, while it is just the opposite for decomposition-based ranking method (i.e., SVDRank and SVDARank). It indicates that how to measure the edge weight is important to model continuous interactions between developers and projects for influence analysis. This is also a key motivation why we model the edge weight as a function of burstiness, and future improvement can be applied on the form of the function.(3)几乎所有基线方法有负相关结果表明,排名订单的这些方法负相关与地面真理订单排名,也就是说,有影响力的开发人员或项目通常由这些方法后不影响排名的,而我们的方法总是显示良好的正相关与地面真理排名命令,指示我们方法的稳定性好。

10/24/11。模拟爵士

在本节中,爵士模型(31日)被用来评估我们的表现提出BurstBiRank和基线方法通过比较信息传播的——的能力<我>k开发人员和项目在每个方法。在实验中,BurstBiRank是单独与每个基线方法相比的。因为两个比较排名方法通常排名一个共同的群在爵士仿真节点也将显示效果,每一对的比较,位开发人员(项目)在每个方法选择,只有开发人员(项目)不排名的两种方法是设置为初始感染节点。在每个迭代中爵士的模拟,感染节点随机选择一个敏感的邻居和感染概率<我>α= 0.5和感染节点恢复删除状态的概率<我>β,这是所有节点的平均度的倒数。累计感染节点的数量记录了每个迭代。迭代停止当没有感染的节点。为了避免爵士的随机模拟,10为每一对方法进行实验,结果平均作为最终结果。最终结果如图4- - - - - -7和一些重要的观察发现:(1)BurstBiRank优于所有基线方法这表明burstiness识别的有效性有影响力的开发人员和项目。这一发现将不断激励开发人员工作,定期获得高在开源软件社区的影响力。(2)BurstBiRank之间的性能差异和pr大于BurstBiRank与BiRank / SVDRank / SVDARank。正如我们所知,PageRank是专为unipartite网络而BiRank SVDRank, SVDARank特别排名的方法由两部分构成的网络,区分类型的节点和使用不同类型的节点之间的相互强化在排名。这意味着最好相互co-rank开发者和项目比简单地把它们混合起来。

(一)

(b)

(一)
(b)

图4

之间的性能比较BurstBiRank和网页排名。(一)BurstBiRank与PageRank-UW。(b) BurstBiRank与PageRank-CN。

(一)

(b)

(一)
(b)

图5

BurstBiRank和BiRank之间的性能比较。(一)BurstBiRank与BiRank-UW。(b) BurstBiRank与BiRank-CN。

(一)

(b)

(一)
(b)

图6

BurstBiRank和SVDRank之间的性能比较。(一)BurstBiRank与SVDRank-UW。(b) BurstBiRank与SVDRank-CN。

(一)

(b)

(一)
(b)

图7

BurstBiRank和SVDARank之间的性能比较。(一)BurstBiRank与SVDARank-UW。(b) BurstBiRank与SVDARank-CN。

4.5。案例研究

先生除了相关分析和模拟,我们进一步做一个详细的案例研究来展示我们的模型识别的有效性有影响力的开发人员和项目。排名前20名开发人员和项目BurstBiRank如表所示4和5和他们的排名分别在基线的方法。

开发人员 排名 BurstBiRank PageRank-UW PageRank-CN BiRank-UW BiRank-CN SVDRank-UW SVDRank-CN SVDARank-UW SVDARank-CN web flow 1 1 1 1 1 1 1 1 1 StyleCIBot 2 4 6 4 5 2 16 2 16 QUVAUNKR 3 2 2 2 2 8 3 6 5 translatewiki 4 7 7 7 9 - - - - - - 11 - - - - - - - - - - - - dereuromark 5 8 8 8 7 4 8 4 11 无效的电子邮件, 6 3 4 3 3 - - - - - - - - - - - - 20. - - - - - - weierophinney 7 6 5 6 4 9 - - - - - - - - - - - - 7 fabpot 8 5 3 5 6 - - - - - - 12 15 - - - - - - GrahamCampbell 9 14 16 14 - - - - - - 3 7 3 4 s-nakajima 10 16 14 16 11 6 - - - - - - 8 - - - - - - freekmurze 11 - - - - - - - - - - - - - - - - - - - - - - - - 15 - - - - - - - - - - - - 13 CTYLOQFP 12 17 19 - - - - - - - - - - - - 10 9 - - - - - - 9 Nyholm 13 - - - - - - - - - - - - - - - - - - - - - - - - 7 - - - - - - 9 - - - - - - legoktm 14 - - - - - - - - - - - - 20. - - - - - - - - - - - - - - - - - - 17 - - - - - - yunosh 15 10 9 10 13 - - - - - - - - - - - - - - - - - - 20. FaustBrian 16 - - - - - - - - - - - - - - - - - - 19 20. 18 19 - - - - - - FHWXWWSE 17 - - - - - - 13 - - - - - - - - - - - - - - - - - - 20. - - - - - - 19 Ocramius 18 19 12 18 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - taylorotwell 19 - - - - - - - - - - - - - - - - - - 20. - - - - - - - - - - - - - - - - - - - - - - - - stronk7 20. 12 10 15 14 17 - - - - - - - - - - - - - - - - - -

表4

排名前20名开发人员。

项目 排名 BurstBiRank PageRank-UW PageRank-CN BiRank-UW BiRank-CN SVDRank-UW SVDRank-CN SVDARank-UW SVDARank-CN 线上购物/ magento2 1 1 1 1 1 15 9 - - - - - - 6 维基/应用程序 2 2 2 2 2 7 3 10 2 布/ mediawiki - 3 3 6 4 8 - - - - - - - - - - - - - - - - - - - - - - - - owncloud /核心 4 7 4 7 4 1 2 1 4 kaltura /服务器 5 6 5 6 5 - - - - - - 6 18 10 oroinc /平台 6 20. 19 - - - - - - 15 13 - - - - - - 8 - - - - - - ZimbraOS / zm-aspel 7 4 8 3 6 - - - - - - - - - - - - - - - - - - - - - - - - Automattic /喷气背包 8 5 3 5 3 - - - - - - 13 - - - - - - 15 维基/ mediawi 9 10 12 - - - - - - - - - - - - 19 - - - - - - - - - - - - - - - - - - svick / mediawiki 10 12 17 15 19 - - - - - - - - - - - - 9 8 PrestaShop / PrestaS 11 11 10 9 7 10 11 12 11 orocrm /平台 12 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 18 - - - - - - - - - - - - joomla / joomla-cms 13 15 14 13 13 9 - - - - - - 7 - - - - - - symfony / symfony 14 14 15 14 17 - - - - - - - - - - - - 17 - - - - - - orocrm / crm 15 - - - - - - - - - - - - - - - - - - - - - - - - 20. - - - - - - - - - - - - - - - - - - orocommerce / oroco 16 - - - - - - - - - - - - - - - - - - - - - - - - 18 16 - - - - - - 17 ec-europa /平台- 17 19 - - - - - - 19 20. - - - - - - 20. 20. - - - - - - akeneo / pim - 18 - - - - - - 7 - - - - - - 9 - - - - - - 5 - - - - - - 7 ILIAS-eLearning / IL 19 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 20. cakephp / cakephp 20. - - - - - - 9 - - - - - - 10 2 1 3 1

表5

项目排名前20名。

从表4著名的项目,我们可以看到一些主要贡献者可以确定BurstBiRank但他们排名较低的基准方法。例如,马可Pivetta (GitHub ID: Ocramius)的一个主要贡献者ZendFramework和教义ORM,不是由BiRank-CN排名在前20名,SVDRank-UW, SVDRank-CN SVDARank-UW, SVDARank-CN。泰勒Otwell (GitHub ID: taylorotwell) Laravel创造者和主要因素,只是被我们的BurstBiRank和BiRank-CN。

像Symfony项目,著名的PHP项目(GitHub ID: Symfony / Symfony)和MediaWiki (GitHub ID:维基/ MediaWiki)也可以被称为前20名有影响力的项目由我们的方法但排名较低的基准方法。

BurstBiRank和基线的方法都可以确定几个有影响力的开发人员和项目,但一些不太受欢迎的开发人员和项目给出高的排名,因为数据集是一个真实的数据集和一点点过滤操作。先生总结相关分析,模拟,案例研究,我们提出BurstBiRank优于基准方法和可以识别一些有影响力的现实世界的开源软件社区的开发人员和项目。但应该进行进一步的改进。

4.6。参数分析

在本节中,我们研究如何平衡的性能随多余音节之前信仰和扩散的分数。为简单起见,我们限制<我>γ等于<我>λ采用,肯德尔τ表示模型的性能。图8显示了不同斜性能参数的平衡<我>γ和<我>λ从0.6到1。表现最好的排名,平衡参数<我>γ和<我>λ设置不等于1,说明之前信仰对于开发人员和项目排名很有用。

(一)

(b)

(一)
(b)

图8

性能参数分析(一)开发人员的排名和(b)项目的排名表现。

5。结论

在这项工作中,我们旨在识别影响力的开源软件社区的开发人员和项目。连续开发人员和项目之间的交互建模为burstiness-weighted由两部分构成的网络,并应用迭代扩散过程来计算排名分数为开发人员和项目。四个基准评估拟议的BurstBiRank实际GitHub数据集的方法。大量的实验分析和案例研究显示BurstBiRank优于基准先生在相关分析和仿真的方法。

BurstBiRank背后的基本原理是测量开发人员和项目之间的联系强度的burstiness连续用一个直观的合理的假设之间的相互作用,更多的定期互动意味着更强的关系。在我们的框架,可以使用burstiness developer项目由两部分构成的网络,任何线性或非线性函数,但在我们的实验中,采用简单线性函数。除了burstiness之外,还有其他的人类动力学指标如记忆,这可能反映了开发人员和项目之间的联系强度。开发人员和编程语言等项目的属性也会影响排名。在未来的工作中,我们将采用更多类型的功能,更多的人类动力学指标,更多的开发人员和项目的属性在我们的框架。

数据可用性

在这项研究中使用的数据可以通过访问https://ghtorrent.org/。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究得到了国家自然科学基金(批准号61872002),安徽大学自然科学研究项目(批准号KJ2019A0037),安徽的大学合作创新项目(批准号GXXT - 2019 - 013),安徽大学的博士科研基础(批准号Y040418194)。