.png){kind=icon}
返回
Automatically Deriving Developers' Technical Expertise from the GitHub Social Network
.png){kind=icon}
PRE
AI
DOI：10.1145/3746451.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
开发者的技术专长对于开源社区内的众多任务至关重要，例如识别合适的开发者和维护者。尽管其重要性显著，但全球最大的开源代码托管平台GitHub并未明确展示开发者的技术专长。现有方法难以捕捉开发者技能和知识的多元化和动态特性。为弥补这一差距，我们提出了一种新颖的方法，利用图神经网络（GNNs）来表征开发者的技术专长。我们的方法构建了一个综合的GitHub社交网络，整合了各种社交和开发活动。随后，我们采用GNN模型为每位开发者学习一个低维表示向量，涵盖其不同维度的技术专长。我们通过将模型与五个基线方法在三个GitHub社交关系推荐任务（包括SimDeveloper、ContributionRepo和RepoMaintainer）上进行比较，评估了模型的有效性。我们提出的方法优于这些基线方法，在Hit Ratio@10指标上提升了5.6-9.5%，在F1分数上提升了3.4-11.1%。这些结果表明，该方法在预测仓库和开发者的技术偏好方面具有良好性能。本研究有助于更细致地理解开源社区中的开发者专长，并对改进GitHub等平台上的协作和项目管理具有潜在影响。
Keyword:
GNN
deep learning
technical expertise
recommendation system
GitHub
期刊
A
IF:
6.2
论文数:
1.2K
被引数:
3.4K
机构
引用论文
.png){kind=icon}
CVExplorer: identifying candidate developers by mining and exploring their open source contributionsCVExplorer：通过挖掘和探索开源贡献来识别候选开发者
PREAI
分享收藏
Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions推进AI代理的社会智能：技术挑战与开放问题
PREAI
分享收藏分享收藏
查看更多内容