[论文解读] 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 11

一句话总结

本文提出了一种基于二分图用户-项目协作网络上的链接预测的 GitHub 开源项目推荐系统。它评估了局部相似性度量、内部链接预测以及基于社区的链接预测，发现基于社区的方法实现了最高的 AUC 值 0.90，因此在基于共享社区隶属关系推荐相关项目方面最为有效。

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.

研究动机与目标

• 通过网络分析开发一种 GitHub 开源项目的推荐系统。
• 评估各种链接预测方法在识别相关项目-用户关系方面的有效性。
• 确定哪种方法——局部相似性、内部链接或基于社区的预测——最能捕捉 GitHub 协作网络中的项目相关性。
• 评估 GitHub 网络中的社区结构是否能超越局部节点相似性，提升推荐准确率。

提出的方法

• 构建一个二分图，将 GitHub 用户和项目作为两组互不相交的节点，若用户曾对项目做出贡献则在两者之间建立连接。
• 应用多种局部相似性度量（如 Jaccard、Adamic-Adar、优先附件）来预测用户与项目之间缺失的链接。
• 采用扩展的邻域表示方法，将用户两步之内的节点纳入邻域上下文，以增强邻域上下文信息。
• 实现基于共同邻居的内部链接表示，但该方法因网络连接稀疏而表现不佳。
• 应用 Infomap 算法检测网络最大连通分量中的社区结构。
• 采用基于社区的链接预测方法，即同社区内的用户更可能在相似项目上协作。

实验结果

研究问题

• RQ1 局部相似性度量能否有效预测 GitHub 协作网络中新项目贡献？
• RQ2 基于共同邻居的内部链接表示是否能提升链接预测性能？
• RQ3 GitHub 网络中的社区结构在多大程度上能提升项目推荐准确率？
• RQ4 基于社区的链接预测性能与传统局部相似性度量相比如何？

主要发现

• 在使用扩展邻域表示时，局部相似性度量达到的最大 AUC 为 0.72，表明其具有中等预测能力。
• 内部链接预测的 AUC 为 0.50，表明其无预测能力，原因在于网络中共同邻居的稀疏性。
• 局部度量的加权组合实现了 0.89 的 AUC，但该结果无法推广至整个 GitHub 网络。
• 基于社区的链接预测实现了最高的 AUC 值 0.90，优于所有其他方法。
• GitHub 网络中强而紧密的社区形成，解释了基于社区预测方法性能优越的原因。
• 结果表明，社区隶属关系比局部节点相似性更能可靠地预测项目相关性。