論文の概要: Community Formation and Detection on GitHub Collaboration Networks
- arxiv url: http://arxiv.org/abs/2109.11587v1
- Date: Thu, 23 Sep 2021 18:43:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 22:53:38.579231
- Title: Community Formation and Detection on GitHub Collaboration Networks
- Title（参考訳）: GitHubコラボレーションネットワークにおけるコミュニティ形成と検出
- Authors: Behnaz Moradi-Jamei, Brandon L. Kramer, J. Bayoan Santiago Calderon,
Gizem Korkmaz
- Abstract要約: 本稿は、GitHubユーザ18万人とそのリポジトリコントリビューションの大規模な履歴データセットについて説明する。
OSSコラボレーションは、緊密に連携する少数のユーザグループによって特徴づけられる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies community formation in OSS collaboration networks. While
most current work examines the emergence of small-scale OSS projects, our
approach draws on a large-scale historical dataset of 1.8 million GitHub users
and their repository contributions. OSS collaborations are characterized by
small groups of users that work closely together, leading to the presence of
communities defined by short cycles in the underlying network structure. To
understand the impact of this phenomenon, we apply a pre-processing step that
accounts for the cyclic network structure by using Renewal-Nonbacktracking
Random Walks (RNBRW) and the strength of pairwise collaborations before
implementing the Louvain method to identify communities within the network.
Equipping Louvain with RNBRW and the contribution strength provides a more
assertive approach for detecting small-scale teams and reveals nontrivial
differences in community detection such as users tendencies toward preferential
attachment to more established collaboration communities. Using this method, we
also identify key factors that affect community formation, including the effect
of users location and primary programming language, which was determined using
a comparative method of contribution activities. Overall, this paper offers
several promising methodological insights for both open-source software experts
and network scholars interested in studying team formation.
- Abstract（参考訳）: 本稿ではOSSコラボレーションネットワークにおけるコミュニティ形成について考察する。
現在のほとんどの研究は、小規模なOSSプロジェクトの出現を調査していますが、私たちのアプローチは、180万人のGitHubユーザとそのリポジトリコントリビューションの大規模な履歴データセットに基づいています。
OSSコラボレーションは、緊密に連携する少数のユーザグループによって特徴づけられ、基盤となるネットワーク構造における短いサイクルによって定義されるコミュニティの存在につながります。
この現象の影響を理解するために,Renewal-Nonbacktracking Random Walks (RNBRW)を用いて,ネットワーク内のコミュニティを識別するLouvain法を実装する前に,相互協調の強みと,循環ネットワーク構造を考慮した前処理ステップを適用した。
LouvainをRNBRWと組み合わせることで、小規模チームを検出するためのより断固としたアプローチを提供し、より確立されたコラボレーションコミュニティへの優先的なアタッチメントに対するユーザの傾向のような、コミュニティ検出における非自明な違いを明らかにする。
この手法を用いて,ユーザの位置や一次プログラム言語の影響など,コミュニティ形成に影響を及ぼす重要な要因を,貢献活動の比較手法を用いて同定した。
本稿では,チーム形成の研究に関心のあるオープンソースソフトウェア専門家とネットワーク研究者の両方に対して,いくつかの方法論的洞察を提供する。
関連論文リスト
- Enhancing Community Detection in Networks: A Comparative Analysis of Local Metrics and Hierarchical Algorithms [49.1574468325115]
本研究は,地域間類似度指標を用いた地域検出の関連性を評価するために,同じ手法を用いている。
これらの指標の有効性は,異なるコミュニティサイズを持つ複数の実ネットワークにベースアルゴリズムを適用して評価した。
論文 参考訳（メタデータ） (2024-08-17T02:17:09Z) - Locating Community Smells in Software Development Processes Using
Higher-Order Network Centralities [38.72139150402261]
コミュニティの臭いは、ソフトウェア開発チームのインタラクションにおいて、ソフトウェアを作る能力を阻害する負のパターンである。
現在のアプローチは、ソフトウェアチームの相互作用構造の静的ネットワーク表現を分析して、コミュニティの臭いを検出することを目的としている。
我々は、高階ネットワークモデルが、そのような隠れパターンと複雑な関係を明らかにする堅牢な手段を提供することを示した。
論文 参考訳（メタデータ） (2023-09-14T06:48:15Z) - A Unified Framework for Exploratory Learning-Aided Community Detection
Under Topological Uncertainty [16.280950663982107]
META-CODEは、ソーシャルネットワークにおける重複コミュニティを検出する統合フレームワークである。
1)新たな再構築損失によってトレーニングされたグラフニューラルネットワーク(GNN)に基づくノードレベルのコミュニティアフィリエイト埋め込み,2)コミュニティアフィリエイトベースのノードクエリによるネットワーク探索,3)エッジ接続に基づくSiameseニューラルネットワークモデルを用いたネットワーク推論,の3つのステップで構成されている。
論文 参考訳（メタデータ） (2023-04-10T10:22:21Z) - Collaborative Mean Estimation over Intermittently Connected Networks
with Peer-To-Peer Privacy [86.61829236732744]
本研究は、断続接続を有するネットワーク上での分散平均推定(DME)の問題について考察する。
目標は、中央サーバの助けを借りて、分散ノード間でローカライズされたデータサンプルに関するグローバル統計を学習することだ。
ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
論文 参考訳（メタデータ） (2023-02-28T19:17:03Z) - META-CODE: Community Detection via Exploratory Learning in Topologically
Unknown Networks [5.299515147443958]
META-CODEは、未知のトポロジを持つネットワーク内の重複するコミュニティを検出するエンドツーエンドのソリューションである。
1)ネットワークの初期推定,2)グラフニューラルネットワーク(GNN)に基づくノードレベルのコミュニティアフィリエイト埋め込み,3)コミュニティアフィリエイトベースのノードクエリによるネットワーク探索,の3つのステップで構成されている。
論文 参考訳（メタデータ） (2022-08-23T15:02:48Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳（メタデータ） (2021-05-26T14:37:07Z) - A multilevel clustering technique for community detection [0.0]
本研究では,ネットワーク内の関連コミュニティを識別するスケーラブルなフレームワークに基づく新しい検出手法を提案する。
マイクロコズムと呼ばれる地域社会を識別するために構造的およびテキスト的情報を活用するマルチレベルクラスタリング手法(MCT)を提案する。
このアプローチは、低レベルのコミュニティがTwitterでどのように進化し、行動するかを説明するためのより良い理解と明快さを提供します。
論文 参考訳（メタデータ） (2021-01-16T23:26:44Z) - A Survey of Community Detection Approaches: From Statistical Modeling to
Deep Learning [95.27249880156256]
ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。
既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。
フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
論文 参考訳（メタデータ） (2021-01-03T02:32:45Z) - A game-theoretic analysis of networked system control for common-pool
resource management using multi-agent reinforcement learning [54.55119659523629]
マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。
共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
論文 参考訳（メタデータ） (2020-10-15T14:12:26Z) - On the use of local structural properties for improving the efficiency
of hierarchical community detection methods [77.34726150561087]
本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。
また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
論文 参考訳（メタデータ） (2020-09-15T00:16:12Z) - Community detection and Social Network analysis based on the Italian
wars of the 15th century [0.0]
人的インタラクションをベースとして,ソーシャルネットワークのモデリングについて検討する。
本稿では,ネットワーク内のアクター同士の局所的相互作用の性質を捉えるために,新しい関数セット,親和性を提案する。
我々は,ネットワーク内のマルチエージェントインタラクションから自然にコミュニティが生み出す,新たなコミュニティ検出アルゴリズムであるBorgia Clusteringを開発した。
論文 参考訳（メタデータ） (2020-07-06T11:05:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。