从 GitHub 社交网络中自动推断开发者的技术专长

《ACM Transactions on Software Engineering and Methodology》：Automatically Deriving Developers’ Technical Expertise from the GitHub Social Network

本文提出基于图神经网络（GNN）的GitHub开发者技术专长评估方法，构建综合社交网络模型，有效捕捉开发者多维度技能特征，并在SimDeveloper、ContributionRepo、RepoMaintainer三个推荐任务中显著优于基线方法，提升Hit Ratio@10达5.6%-9.5%，F1分数3.4%-11.1%。

　　

摘要

开发者的技术专长对于开源社区中的许多任务至关重要，例如筛选合适的开发者和维护者。尽管技术专长非常重要，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水平。现有的方法在捕捉开发者技能和知识的多元性及动态性方面存在不足。为了解决这一问题，我们提出了一种新方法，该方法利用图神经网络（GNN）来表达开发者的技术专长。我们的方法构建了一个全面的GitHub社交网络，整合了各种社交和开发活动。然后，我们使用GNN模型为每位开发者生成一个低维表示向量，涵盖他们在不同维度上的技术专长。我们通过将我们的模型与五个基线方法在三个GitHub社交关系推荐任务上进行比较来评估其有效性，这些任务包括SimDeveloper、ContributionRepo和RepoMaintainer。我们的方法表现优于这些基线方法，在Hit Ratio@10上提高了5.6%-9.5%，在F1分数上提高了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很好的性能。这项研究有助于更深入地理解开源社区中的开发者专长，并有可能改善GitHub等平台上的协作和项目管理。