[論文レビュー] On the Popularity of GitHub Applications: A Preliminary Note

Hudson Silva Borges, Marco Túlio Valente+2 more|arXiv (Cornell University)|Jul 2, 2015

Advanced Malware Detection Techniques参考文献 6被引用数 18

ひとこと要約

本稿では、スターベースのトレンドに基づき、GitHubのソフトウェアの人気を評価するフレームワークを提案し、4つの成長パターン——持続的、急速、遅速、バズ型——を特定する。縦断的スターベーストレンドに基づき、スターベースとフォーク数、クライアント使用量（例：NPM依存関係とのスピアマンのrho = 0.68）の強い相関関係を同定し、スターベースが信頼できる人気指標であることを裏付ける。JavaScriptが最も人気のあるリポジトリを支配している。

ABSTRACT

GitHub is the world's largest collection of open source software. Therefore, it is important both to software developers and users to compare and track the popularity of GitHub repositories. In this paper, we propose a framework to assess the popularity of GitHub software, using their number of stars. We also propose a set of popularity growth patterns, which describe the evolution of the number of stars of a system over time. We show that stars tend to correlate with other measures, like forks, and with the effective usage of GitHub software by third-party programs. Throughout the paper we illustrate the application of our framework using real data extracted from GitHub.

研究の動機と目的

• GitHubにホスティングされたオープンソースソフトウェアの人気を評価するためのフレームワークを開発すること。
• スターベースの推移を用いて、時間経過に伴う人気の成長パターンを定義・分類すること。
• フォーク数やクライアント使用量と相関させることで、スターベースが実世界の人気の妥当な代理指標であることを検証すること。
• プログラミング言語ごとに人気で非常に人気のあるリポジトリの分布を分析すること。
• 開発者やユーザーがソフトウェアの採用状況や成熟度を追跡する上で役立つインサイトを提供すること。

提案手法

• 2015年5月1日現在でスターベースが1,459本以上（上位10%）のリポジトリを「人気」と定義し、19,570本以上（上位1%）のリポジトリを「非常に人気」と定義する。
• スターベースランキングの歪みを軽減するため、対数変換（底2）を用いて正規化する。
• 52週間の履歴データを用い、ランク変動に基づき成長パターンを分類する：持続的（|R_BOTTOM - R_TOP| < 0.25）、急速、遅速、バズ型。
• スターベースとフォーク数、クライアント使用量（Node.jsモジュールのNPM API経由）の相関関係を測定し、人気指標の妥当性を検証する。
• GitHubの2015年5月1日時点のデータから、24の主要プログラミング言語にまたがる24,000件のリポジトリのスナップショットを分析する。
• スピアマンの順位相関を含む統計的手法を用い、人気指標間の関係を評価する。

実験結果

リサーチクエスチョン

• RQ1 時間経過に伴うスターベーストレンドを用いて、GitHubリポジトリの人気を体系的に分類する方法は何か？
• RQ2 GitHubのオープンソースソフトウェアにおける人気の成長の主なパターン（例：持続的、バズ型）は何か？
• RQ3 スターベースは、フォーク数やクライアント使用量といった他の指標とどの程度相関しているか？
• RQ4 どのプログラミング言語が、最も人気で非常に人気のあるリポジトリを支配しているか？
• RQ5 GitHubホスティングソフトウェアの実世界での使用状況や採用状況を表す妥当な代理指標として、スターベースの数は信頼できるか？

主な発見

• JavaScriptが最も人気のあるGitHubリポジトリを支配しており、非常に人気のあるシステムの35%、すべての人気システムの46%を占めている。
• 人気システムの22%（2,138件中466件）が持続的成長を示し、1年間にわたり安定した順位を維持している。
• 5%の人が気システムが急速成長を示し、1%未塔のシステムが遅速成長を示し、37件のシステムがバズ型成長パターンを示している。
• Node.jsライブラリのNPMにおける依存関係数とスターベースの間に強い正の相関（スピアマンのrho = 0.68）が確認された。
• スターベースとフォーク数の間に有意な相関関係が認められ、スターベースが人気指標としての妥当性が裏付けられた。
• 上位3位のリポジトリ——twbs/bootstrap、angular/angular.js、mbostock/d3——は、それぞれ10万スターベース以上を獲得し、最高のスターベース数を占めている。