WWWOct, 2022

开源软件开发者的代码推荐

PDF
TL;DR本文提出了一种新的代码推荐框架 CODER，通过建立异构图并对文件结构进行聚合，实现了微观用户－代码交互和宏观用户 - 项目交互的联合建模，进而预测开源软件开发者的未来贡献行为。该框架在多种实验设置下（包括项目内、跨项目和冷启动推荐）都取得了优异的性能表现，作者还构建了三个大规模的数据集，以促进未来的研究方向。
open source softwarecode recommendationgraph-baseddeveloper behavior predictionsemantic features
发现论文，激发创造
  • OSS Mentor：通过深度强化学习提高开发者贡献的框架

    本文提出一种基于深度强化学习的框架 OSS Mentor，通过使用经验知识进行训练，它可以适应性地帮助开发人员提高其贡献，这是一种管理开源软件的新方法，实验结果表明该方法显著超越现有实验结果，并设计了一个更加稳健的框架以改善开发人员的贡献。

    Oct, 2022

  • 源代码评审人员推荐的大规模研究

    本文通过在 Github 和 Gerrit 代码仓库中挖掘数据进行大规模实验比较两种主要的代码审查员推荐算法 (RevFinder 和基于朴素贝叶斯的方法) 的性能，以确定最佳的代码审查员。我们发现：1）没有一个模型适用于所有项目；2）不同的代码仓库会对推荐结果产生影响；3）利用 Gerrit 中可用的子项目信息可以改善推荐结果。

    Jun, 2018

  • 基于跨项目和技术经验的 GitHub 代码审查者推荐

    本文提出了一种考虑到开发者特定技术专业性的代码审查者推荐技术，该技术利用外部库经验等关联历史，可提供高达 85%-92% 的准确性，86% 的精度和 79%-81% 的召回率，为代码审查提供高效帮助。

    Jul, 2018

  • 使用大规模异构图表示学习为微软提供代码审查建议

    介绍了一种基于 SOCIO 技术图和图卷积神经网络的代码审查人员推荐新方法 CORAL，该方法可以找到传统推荐器遗漏的相关资格审查员，并对大型项目进行优化，而小型项目则建议采用传统方法。

    Feb, 2022

  • 代码馆：一个软件包推荐系统

    本文介绍了开源库的推荐引擎 Librarian，使用基于 CodeBERT 的模型分析源代码的上下文，根据程序中导入的库和开发者的实现建议候选库，以达到缩短软件开发周期的目的。

    Oct, 2022

  • 开源项目中贡献者动机的演变：再探驱动力

    通过对 242 名 OSS 贡献者的调查，研究了人们参与 OSS 的动机变化，并发现与社交和声望相关的某些动机增加了频率，而某些内在的动机，如学习和智力刺激，仍然非常相关。

    Jan, 2021

  • 自监督对比学习：基于语义保持转换实现代码检索和摘要

    Corder 是一种自监督对比学习框架，用于源代码模型，通过使用一组语义保持变换操作来生成在语法上具有多样性但在语义上是等效的代码片段，从而能够在没有标记数据的情况下进行代码检索和代码摘要。

    Sep, 2020

  • 检索增强代码生成与摘要

    该研究提出了一个检索增强框架 REDCODER，用于检索相关的代码或摘要，作为代码生成或总结模型的补充，实现了与检索数据库的交互。这个机制可以扩展检索技术的功能，适用于含有不同模态的检索数据库，并在 Java 和 Python 的代码生成和摘要的基准数据集上得到了良好的实验结果。

    Aug, 2021

  • Magicoder：只需源代码

    Magicoder 是一系列全面开源（代码、权重和数据）的大型语言模型（LLMs），通过使用 OSS-Instruct 来提供更多样化、更真实和可控的数据，从而消除了合成数据的固有偏见，显著缩小了与顶级代码模型的差距。

    Dec, 2023

  • 使用基于图结构的缓存实现源代码的开放式词汇学习

    该文研究如何通过引入图结构缓存来解决程序源代码中可能遇到的新单词识别和定位的问题，并结合最新的基于图神经网络模型的方法，提高了模型在代码补全和变量命名任务上的性能。

    Oct, 2018