論文の概要: Quantifying Competitive Relationships Among Open-Source Software Projects
- arxiv url: http://arxiv.org/abs/2602.17131v1
- Date: Thu, 19 Feb 2026 07:06:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-20 15:21:28.800798
- Title: Quantifying Competitive Relationships Among Open-Source Software Projects
- Title（参考訳）: オープンソースソフトウェアプロジェクト間の競合関係の定量化
- Authors: Yuki Takei, Toshiaki Aoki, Chaiyong Ragkhitwetsagul,
- Abstract要約: 本研究では,OSS(Mitual Impact Analysis of OSS (MIAO)' と呼ばれる新たな自動手法を提案し,競合関係を定量化する。
MIAOは187のOSSプロジェクトグループの採掘と分析に関する実証分析で、最大81%の精度で競争の影響で開発を中止せざるを得ないプロジェクトを特定した。
- 参考スコア（独自算出の注目度）: 0.224303609250571
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Throughout the history of software, evolution has occurred in cycles of rise and fall driven by competition, and open-source software (OSS) is no exception. This cycle is accelerating, particularly in rapidly evolving domains such as web development and deep learning. However, the impact of competitive relationships among OSS projects on their survival remains unclear, and there are risks of losing a competitive edge to rivals. To address this, this study proposes a new automated method called ``Mutual Impact Analysis of OSS (MIAO)'' to quantify these competitive relationships. The proposed method employs a structural vector autoregressive model and impulse response functions, normally used in macroeconomic analysis, to analyze the interactions among OSS projects. In an empirical analysis involving mining and analyzing 187 OSS project groups, MIAO identified projects that were forced to cease development owing to competitive influences with up to 81\% accuracy, and the resulting features supported predictive experiments that anticipate cessation one year ahead with up to 77\% accuracy. This suggests that MIAO could be a valuable tool for OSS project maintainers to understand the dynamics of OSS ecosystems and predict the rise and fall of OSS projects.
- Abstract（参考訳）: ソフトウェアの歴史を通じて、進化は競争によって引き起こされる上昇と転落のサイクルで起こっており、オープンソースソフトウェア(OSS)は例外ではない。
このサイクルは加速しており、特にWeb開発やディープラーニングのような急速に進化する分野においてである。
しかし、OSSプロジェクト間の競争関係が生存に与える影響は未定であり、ライバルとの競争優位を失うリスクがある。
そこで本研究では, OSS (Mutual Impact Analysis of OSS) と呼ばれる新たな自動手法を提案する。
提案手法は構造ベクトル自己回帰モデルとインパルス応答関数を用いて,OSSプロジェクト間の相互作用を解析する。
MIAOは187のOSSプロジェクトグループを採掘・分析する実験分析において、最大81倍の精度で競争の影響で開発を中止せざるを得ないプロジェクトを特定し、その結果、最大77倍の精度で停止を予想する予測実験を支援した。
これは、OSSプロジェクトのメンテナがOSSエコシステムのダイナミクスを理解し、OSSプロジェクトの興亡を予測する上で、MIAOが貴重なツールになり得ることを示唆している。
関連論文リスト
- Resource-Based Time and Cost Prediction in Project Networks: From Statistical Modeling to Graph Neural Networks [0.0]
本研究では,プロジェクト活動のネットワーク表現をグラフニューラルネットワーク(GNN)と統合した新しい資源ベース予測フレームワークを提案する。
提案したGNNフレームワークは,従来の回帰法や木に基づく手法と比較して平均的な絶対誤差を23～31%削減する。
論文 参考訳（メタデータ） (2025-11-19T00:56:12Z) - Predicting Abandonment of Open Source Software Projects with An Integrated Feature Framework [15.50732865972961]
オープンソースソフトウェア(OSS)は、現代のソフトウェア開発の基盤であるが、OSSプロジェクトの放棄が増加し、世界的なサプライチェーンが脅かされている。
本研究では,OSSプロジェクトの放棄を2つのアプローチで確実に検出することで,これらの課題に対処する。
この基盤の上に構築され、ユーザ中心、メンテナ中心、プロジェクトの進化的特徴をキャプチャする、放棄予測のための統合されたマルチパースペクティブな機能フレームワークを導入します。
私たちの仕事は、大規模なOSSエコシステムにおける放棄リスクを理解し管理するための再現性、拡張性、実践者指向のサポートを提供します。
論文 参考訳（メタデータ） (2025-07-29T10:45:24Z) - Lessons from a Big-Bang Integration: Challenges in Edge Computing and Machine Learning [52.86213078016168]
プロジェクトはビッグバン統合のアプローチのため、重大な挫折に直面した。
この研究は、コミュニケーションの貧弱さを含む技術的および組織的障壁を特定する。
また、モックアップよりも完全に発達したコンポーネントに対するバイアスのような心理的要因も考慮している。
論文 参考訳（メタデータ） (2025-07-23T07:16:45Z) - Lost at the Beginning of Reasoning [85.17612793300238]
第1の推論ステップが最終予測に不当に大きな影響を与えることを示す。
本稿では、報酬モデルを利用して高品質な第1推論ステップを特定し、維持する効率的なサンプリング戦略を提案する。
論文 参考訳（メタデータ） (2025-06-27T09:53:57Z) - Enhancing CTR Prediction with De-correlated Expert Networks [45.50697497028273]
本稿では,専門的相関を最小化するクロスエキスパートデコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレー
我々はD-MoEがMulti-Embedding MoEベースラインと比較して1.19%のGross Merchandise Volume (GMV)リフトを達成することを示す。
論文 参考訳（メタデータ） (2025-05-23T14:04:38Z) - Automated Extraction and Analysis of Developer's Rationale in Open Source Software [1.290382979353427]
カンタラのインスタンス化に基づく合理化分析のための自動手法を提案する。
Linux KernelプロジェクトのOOM-Killerモジュールを用いた抽出・解析手法の実現可能性を示す。
また、意思決定と合理化文の自動抽出の有効性と、これを他のオープンソースプロジェクトに一般化する可能性についても述べる。
論文 参考訳（メタデータ） (2025-04-22T20:16:34Z) - CROSS: A Contributor-Project Interaction Lifecycle Model for Open Source Software [2.9631016562930546]
Cross Modelは、オープンソースソフトウェアのための新しいコントリビュータ/プロジェクトインタラクションライフサイクルモデルである。
特にEoS/オフボードのシナリオにおいて、コントリビュータの関与に関するさまざまなアーキティパルケースを説明し、研究ギャップを強調します。
論文 参考訳（メタデータ） (2024-09-12T17:57:12Z) - It Is Time To Steer: A Scalable Framework for Analysis-driven Attack Graph Generation [50.06412862964449]
アタックグラフ(AG)は、コンピュータネットワークに対するマルチステップ攻撃に対するサイバーリスクアセスメントをサポートする最も適したソリューションである。
現在の解決策は、アルゴリズムの観点から生成問題に対処し、生成が完了した後のみ解析を仮定することである。
本稿では,アナリストがいつでもシステムに問い合わせることのできる新しいワークフローを通じて,従来のAG分析を再考する。
論文 参考訳（メタデータ） (2023-12-27T10:44:58Z) - Estimating Fund-Raising Performance for Start-up Projects from a Market
Graph Perspective [58.353799280109904]
市場環境を利用して未公開プロジェクトの資金調達実績を予測するためのグラフベースの市場環境(GME)モデルを提案する。
具体的には、市場環境を利用して未公開プロジェクトの資金調達実績を予測するグラフベースの市場環境(GME)モデルを提案する。
論文 参考訳（メタデータ） (2021-05-27T02:39:30Z) - Federated Learning with Unreliable Clients: Performance Analysis and
Mechanism Design [76.29738151117583]
Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。
しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。
クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
論文 参考訳（メタデータ） (2021-05-10T08:02:27Z)
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。