[論文レビュー] GitHub open source project recommendation system

Tadej Matek, Svit Timej Zebec|arXiv (Cornell University)|Feb 8, 2016

Complex Network Analysis Techniques参考文献 17被引用数 11

ひとこと要約

本稿では、二部グラフとしてのユーザ-プロジェクト協働ネットワークにおけるリンク予測を用いたGitHubのオープンソースプロジェクト推薦システムを提案する。局所的類似度測度、内部リンク予測、コミュニティベースのリンク予測を評価した結果、コミュニティベースの手法が最高のAUC 0.90を達成し、共通のコミュニティ所属に基づく関連プロジェクトの推薦に最も効果的であることが判明した。

ABSTRACT

Hosting platforms for software projects can form collaborative social networks and a prime example of this is GitHub which is arguably the most popular platform of this kind. An open source project recommendation system could be a major feature for a platform like GitHub, enabling its users to find relevant projects in a fast and simple manner. We perform network analysis on a constructed graph based on GitHub data and present a recommendation system that uses link prediction.

研究の動機と目的

• ネットワーク解析を用いたGitHubのオープンソースプロジェクト向け推薦システムの開発を目的とする。
• さまざまなリンク予測手法が、関連するプロジェクト-ユーザ関係を特定する際の有効性を評価することを目的とする。
• 局所的類似度、内部リンク、コミュニティベースの予測のうち、どの手法がGitHub協働ネットワークにおけるプロジェクトの関連性を最もよく捉えられるかを特定することを目的とする。
• GitHubネットワークにおけるコミュニティ構造が、局所的ノード類似度を上回る推薦精度の向上に寄与するかどうかを評価することを目的とする。

提案手法

• ユーザとプロジェクトを2つの互いに素なノード集合として持つ二部グラフを構築し、ユーザがプロジェクトに貢献していた場合にそれらを接続する。
• Jaccard、Adamic-Adar、preferential attachmentなどの複数の局所的類似度測度を用い、ユーザとプロジェクトの間の欠落リンクを予測する。
• ユーザから2ステップ離れたノードを含む拡張された近隣表現を適用し、近隣の文脈を向上させる。
• 共通の近隣ノードに基づく内部リンク表現を実装したが、ネットワークの疎性のため効果がなかった。
• 最大連結成分においてInfomapアルゴリズムを用いてコミュニティを検出する。
• コミュニティベースのリンク予測を実装し、同じコミュニティに属するユーザは類似したプロジェクトに共同で貢献する可能性が高くなるようにする。

実験結果

リサーチクエスチョン

• RQ1 局所的類似度測度は、GitHub協働ネットワークにおける新たなプロジェクト貢献を効果的に予測できるか？
• RQ2 共通の近隣ノードに基づく内部リンク表現は、リンク予測のパフォーマンスを向上させるか？
• RQ3 GitHubネットワークにおけるコミュニティ構造は、プロジェクト推薦精度をどの程度向上させるか？
• RQ4 コミュニティベースのリンク予測のパフォーマンスは、従来の局所的類似度測度と比べてどのように異なるか？

主な発見

• 拡張された近隣表現を用いた局所的類似度測度は最大でAUC 0.72を達成し、中程度の予測能力を示した。
• 内部リンク予測はAUC 0.50にとどまり、ネットワークの疎性のため共通の近隣ノードが少なく、予測能力がなかった。
• 局所的測度の重み付き組み合わせはAUC 0.89を達成したが、これはGitHub全体のネットワークに一般化できない結果であった。
• コミュニティベースのリンク予測は最高のAUC 0.90を達成し、他のすべての手法を上回った。
• GitHubネットワークにおける強い凝集的コミュニティの形成が、コミュニティベース予測の優れたパフォーマンスを説明している。
• 結果から、局所的ノード類似度よりもコミュニティ所属が、プロジェクトの関連性を予測する上でより信頼できる指標であることが示唆された。