論文の概要: Classifying Issues in Open-source GitHub Repositories

• arxiv url: http://arxiv.org/abs/2507.18982v1
• Date: Fri, 25 Jul 2025 06:20:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-28 16:16:48.838789
• Title: Classifying Issues in Open-source GitHub Repositories
• Title（参考訳）: オープンソースのGitHubリポジトリにおける課題の分類
• Authors: Amir Hossain Raaj, Fairuz Nawer Meem, Sadia Afrin Mim,
• Abstract要約: GitHubは、オープンソースコミュニティでもっとも広く使われているソフトウェアメンテナンスプラットフォームである。 開発者は困難に直面しながら、GitHubで問題を時々報告する。 GitHubリポジトリのほとんどは、問題の定期的なラベル付けを保持していない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: GitHub is the most widely used platform for software maintenance in the open-source community. Developers report issues on GitHub from time to time while facing difficulties. Having labels on those issues can help developers easily address those issues with prior knowledge of labels. However, most of the GitHub repositories do not maintain regular labeling for the issues. The goal of this work is to classify issues in the open-source community using ML \& DNN models. There are thousands of open-source repositories on GitHub. Some of the repositories label their issues properly whereas some of them do not. When issues are pre-labeled, the problem-solving process and the immediate assignment of corresponding personnel are facilitated for the team, thereby expediting the development process. In this work, we conducted an analysis of prominent GitHub open-source repositories. We classified the issues in some common labels which are: API, Documentation, Enhancement, Question, Easy, Help-wanted, Dependency, CI, Waiting for OP's response, Test, Bug, etc. Our study shows that DNN models outperf
• Abstract（参考訳）: GitHubは、オープンソースコミュニティでもっとも広く使われているソフトウェアメンテナンスプラットフォームである。 開発者は困難に直面しながら、GitHubで問題を時々報告する。 これらの問題にラベルを付けることで、開発者はラベルの以前の知識でこれらの問題に簡単に対処できる。 しかし、ほとんどのGitHubリポジトリは、問題の定期的なラベル付けを保持していない。 この作業の目標は、ML \&DNNモデルを使用して、オープンソースコミュニティの問題を分類することである。 GitHubには何千ものオープンソースリポジトリがある。 リポジトリの中には、問題を適切にラベル付けするものもあるが、いくつかはそうではない。 課題が事前にラベル付けされた場合には、チームに対して問題解決プロセスと対応する人員の即時割り当てが促進され、開発プロセスの迅速化が図られる。 本研究では、GitHubの著名なオープンソースリポジトリの分析を行った。 API、ドキュメント、拡張、質問、簡単、助けを求める、依存性、CI、OPの応答待ち、テスト、バグなどです。 我々の研究は、DNNモデルの方が優れていることを示している

関連論文リスト

• SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving [90.32201622392137]
  We present SwingArena, a competitive evaluation framework for Large Language Models (LLMs)。 従来の静的ベンチマークとは異なり、SwingArenaはLLMをイテレーションとして組み合わせて、テストケースを作成し、継続的インテグレーション(CI)パイプラインを通じてパッチを検証するパッチとレビュアーを生成することで、ソフトウェアのコラボレーションプロセスをモデル化する。
  論文  参考訳（メタデータ） (2025-05-29T18:28:02Z)
• Analyzing the Usage of Donation Platforms for PyPI Libraries [91.97201077607862]
  本研究では,PyPIエコシステムにおける寄付プラットフォームの導入状況について分析した。 GitHub Sponsorsが支配的なプラットフォームであるが、多くのPyPIリストのリンクは時代遅れである。
  論文  参考訳（メタデータ） (2025-03-11T10:27:31Z)
• Visual Analysis of GitHub Issues to Gain Insights [2.9051263101214566]
  本稿では,課題タイムラインに関する洞察を提供するために,可視化を生成するプロトタイプWebアプリケーションを提案する。 問題のライフサイクルに焦点をあて、ユーザによる開発パターンの理解を高めるために重要な情報を記述する。
  論文  参考訳（メタデータ） (2024-07-30T15:17:57Z)
• Alibaba LingmaAgent: Improving Automated Issue Resolution via Comprehensive Repository Exploration [64.19431011897515]
  本稿では,問題解決のためにソフトウェアリポジトリ全体を包括的に理解し,活用するために設計された,新しいソフトウェアエンジニアリング手法であるAlibaba LingmaAgentを提案する。 提案手法では,重要なリポジトリ情報を知識グラフに凝縮し,複雑さを低減し,モンテカルロ木探索に基づく戦略を採用する。 Alibaba Cloudの製品展開と評価において、LingmaAgentは、開発エンジニアが直面した社内問題の16.9%を自動で解決し、手作業による介入で43.3%の問題を解決した。
  論文  参考訳（メタデータ） (2024-06-03T15:20:06Z)
• Analyzing the Accessibility of GitHub Repositories for PyPI and NPM Libraries [91.97201077607862]
  産業アプリケーションはオープンソースソフトウェア(OSS)ライブラリに大きく依存しており、様々な利点を提供している。 このようなコミュニティの活動を監視するには、エコシステムのライブラリの包括的なリポジトリのリストにアクセスしなければなりません。 本研究では、PyPIライブラリとNPMライブラリのGitHubリポジトリのアクセシビリティを分析する。
  論文  参考訳（メタデータ） (2024-04-26T13:27:04Z)
• MAGIS: LLM-Based Multi-Agent Framework for GitHub Issue Resolution [47.850418420195304]
  大規模言語モデル(LLM)はコード生成において有望であるが、GitHubの問題を解決する上で困難に直面している。 ソフトウェア進化のためにカスタマイズされた4つのエージェントからなる、GitHub Issue Resolution, MAGISのための新しいMulti-Agentフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-26T17:57:57Z)
• Characterizing Issue Management in Runtime Systems [0.38233569758620056]
  GitHubの34のランタイムシステムリポジトリから約118Kの問題に関する実証的研究を報告する。 拡張、テストの失敗、バグに関する問題は、主にランタイムシステムリポジトリに投稿されている。 82.65%の発行者はラベルでタグ付けされ、28.30%の発行者は指定されていない。
  論文  参考訳（メタデータ） (2023-10-24T16:12:52Z)
• SWE-bench: Can Language Models Resolve Real-World GitHub Issues? [80.52201658231895]
  SWE-benchは、実際のGitHub問題から引き出された2,294ドルのソフトウェアエンジニアリング問題と、人気のあるPythonリポジトリ12ドルのプルリクエストで構成される評価フレームワークである。 我々は、最先端のプロプライエタリモデルと微調整モデルSWE-Llamaの両方が、最も単純な問題だけを解決できることを示します。
  論文  参考訳（メタデータ） (2023-10-10T16:47:29Z)
• Wait, wasn't that code here before? Detecting Outdated Software Documentation [9.45052138795667]
  古いコード要素参照を自動的にスキャンするGitHub Actionsツールを提示する。 GitHubで最も人気のある1000のプロジェクトの4分の1以上には、少なくとも1つの古い参照が含まれている。
  論文  参考訳（メタデータ） (2023-07-10T00:52:29Z)
• Using Developer Discussions to Guide Fixing Bugs in Software [51.00904399653609]
  我々は,タスク実行前に利用可能であり,また自然発生しているバグレポートの議論を,開発者による追加情報の必要性を回避して利用することを提案する。 このような議論から派生したさまざまな自然言語コンテキストがバグ修正に役立ち、オラクルのバグ修正コミットに対応するコミットメッセージの使用よりもパフォーマンスの向上につながることを実証する。
  論文  参考訳（メタデータ） (2022-11-11T16:37:33Z)
• Predicting Issue Types on GitHub [8.791809365994682]
  Ticket Taggerは、機械学習技術による課題のタイトルと説明を分析するGitHubアプリである。 私たちは、約30,000のGitHubイシューに対して、ツールの予測パフォーマンスを実証的に評価しました。
  論文  参考訳（メタデータ） (2021-07-21T08:14:48Z)
• LabelGit: A Dataset for Software Repositories Classification using Attributed Dependency Graphs [11.523471275501857]
  LabelGitと呼ばれるGitHubプロジェクトの新しいデータセットを作成します。 私たちのデータセットは、依存関係グラフや識別子からのソースコードニューラル表現など、ソースコードからの直接的な情報を使用します。 プロキシに頼らず、ソースコード全体を分類するために使用するソリューションの開発を支援することを願っています。
  論文  参考訳（メタデータ） (2021-03-16T07:28:58Z)

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。