[论文解读] Collaborative similarity analysis of multilayer developer-project bipartite network

Dengcheng Yan, Bing-Hong Wang|arXiv (Cornell University)|Mar 9, 2017

Complex Network Analysis Techniques参考文献 15被引用 3

一句话总结

本文提出一种多层二分网络模型，利用GitHub上的关注与分叉互动，分析开发者与项目之间的协作关系。通过协同相似性度量兴趣多样性，发现开发者在关注层的协同相似性随度数增加而降低（表明兴趣更广泛），而在分叉层则随度数增加而提高（表明专注、专业化的参与），而项目在分叉层则无明显相关性。

ABSTRACT

To understand the multiple relations between developers and projects on GitHub as a whole, we model them as a multilayer bipartite network and analyze the degree distributions, the nearest neighbors' degree distributions and their correlations with degree, and the collaborative similarity distributions and their correlations with degree. Our results show that all degree distributions have a power-law form, especially, the degree distribution of projects in watching layer has double power-law form. Negative correlations between nearest neighbors' degree and degree for both developers and projects are observed in both layers, exhibiting a disassortative mixing pattern. The collaborative similarity of both developers and projects negatively correlates with degree in watching layer, while a positive correlations is observed for developers in forking layer and no obvious correlation is observed for projects in forking layer.

研究动机与目标

• 理解GitHub上开发者与项目之间超越单层模型的多维度关系。
• 将关注与分叉互动建模为多层二分网络，以获得开发者-项目协作的全局视图。
• 通过协同相似性（一种二分网络中聚类行为的度量）研究开发者兴趣的多样性。
• 考察度数与网络结构在各层中与协同相似性的相关性。
• 揭示关注行为（信息追踪）与分叉行为（开发参与）在GitHub上的行为差异。

提出的方法

• 构建一个包含两层的多层二分网络：开发者与项目之间的关注层（基于通知）和分叉层（基于代码分支）关系。
• 使用GHTorrent项目（2015年1月）的真实GitHub数据，筛选出PHP项目，提取两层的边列表。
• 使用powerlaw Python包并采用对数分箱，对度数分布进行幂律拟合，以保持尾部精度。
• 分析最近邻度数相关性，以检测两层中是否存在非同配混合模式。
• 将度数相关的协同相似性定义为具有相同度数的开发者所选择项目之间的平均Jaccard相似性，使用对数分箱可视化趋势。
• 比较不同度数范围内的协同相似性分布，区分关注层与分叉层。

实验结果

研究问题

• RQ1 开发者与项目在关注层与分叉层的度数分布有何不同？
• RQ2 在两层中，节点与其最近邻节点的度数相关性性质如何？
• RQ3 协同相似性在关注层与分叉层中如何随节点度数变化？
• RQ4 为何关注与分叉行为会导致协同相似性中出现不同的模式？
• RQ5 这些模式为开发者兴趣的多样性提供了哪些见解？

主要发现

• 所有度数分布均符合幂律形式，其中关注层中的项目呈现双幂律分布。
• 两层中均观察到节点度数与最近邻度数之间的负相关性，表明开发者与项目均呈现非同配混合特征。
• 关注层中开发者协同相似性与度数呈负相关，表明高度活跃的关注者兴趣多样性更广。
• 相反，分叉层中开发者协同相似性与度数呈正相关，表明频繁分叉者兴趣日益集中、专业化。
• 分叉层中项目无显著的度数与协同相似性相关性，其值围绕全局平均值波动。
• 结果可由功能差异解释：关注促进接触多样化项目，而分叉反映持续的、领域特定的参与。