Code Recommendation for Open Source Software Developers

要約

タイトル：オープンソースソフトウェア開発者向けのコード推奨
要約：
– OSSは技術基盤の柱を形成し、数百万人の人材を集めています。
– OSS開発者に適切な開発タスクを推奨するために、開発者の利益とプロジェクトコードの意味的特徴を考慮することが課題となっています。
– この論文では、コード推奨という新しい問題を定式化し、開発者の相互作用履歴、ソースコードの意味的特徴、およびプロジェクトの階層的ファイル構造を考慮して将来の貢献振る舞いを予測することを目的としています。
– 複数の関係者の複雑な相互作用を考慮し、本研究では、オープンソースソフトウェア開発者のための新しいグラフベースのコード推奨フレームワークであるCODERを提案しています。
– CODERは、異種グラフを使用して、微視的なユーザーコード相互作用とマクロ的なユーザープロジェクト相互作用を共同モデリングし、プロジェクト階層を反映したファイル構造グラフで情報の2つのレベルを橋渡しすることによって、効果的な情報の転送を可能にします。
– さらに、信頼性の高いベンチマークの欠如により、3つの大規模なデータセットを構築して、今後の研究を促進するための準備をしました。
– 幅広い実験により、CODERフレームワークが、プロジェクト内、プロジェクト間、冷始動推奨などの様々な実験設定で優れた性能を発揮することが示されました。
– この研究の受け入れに伴い、すべてのデータセット、コード、およびデータ取得ユーティリティを公開する予定です。

要約(オリジナル)

Open Source Software (OSS) is forming the spines of technology infrastructures, attracting millions of talents to contribute. Notably, it is challenging and critical to consider both the developers’ interests and the semantic features of the project code to recommend appropriate development tasks to OSS developers. In this paper, we formulate the novel problem of code recommendation, whose purpose is to predict the future contribution behaviors of developers given their interaction history, the semantic features of source code, and the hierarchical file structures of projects. Considering the complex interactions among multiple parties within the system, we propose CODER, a novel graph-based code recommendation framework for open source software developers. CODER jointly models microscopic user-code interactions and macroscopic user-project interactions via a heterogeneous graph and further bridges the two levels of information through aggregation on file-structure graphs that reflect the project hierarchy. Moreover, due to the lack of reliable benchmarks, we construct three large-scale datasets to facilitate future research in this direction. Extensive experiments show that our CODER framework achieves superior performance under various experimental settings, including intra-project, cross-project, and cold-start recommendation. We will release all the datasets, code, and utilities for data retrieval upon the acceptance of this work.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI