論文の概要: Ritgard: T(r)opical Islands of Socio-Technical Artifacts on GitHub

• arxiv url: http://arxiv.org/abs/2609.05278v1
• Date: Fri, 04 Sep 2026 15:31:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.105126
• Title: Ritgard: T(r)opical Islands of Socio-Technical Artifacts on GitHub
• Title（参考訳）: Ritgard: GitHubにあるT(r)opical Islandsのソシオ技術的アーティファクト
• Abstract要約: 私たちは、社会技術的アーティファクトのためにGitHubリポジトリをマイニングするツールであるRitgardを紹介します。 Ritgard氏は、課題、プルリクエスト、議論を、木で覆われた3D島として視覚化している。 島々の地形は、話題が活発になると海から立ち上がり、沈むと再び沈む。
• 参考スコア（独自算出の注目度）: 6.065003620925856
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A software project is more than just code. Non-code artifacts often document the human processes and decisions behind source code. The rationale behind a library change, an architectural decision, a problem encountered by a user are all examples of information typically present in socio-technical artifacts (STAs), created and persisted in channels separate from the repository itself (yet sometimes very close---e.g., GitHub Issues with GitHub repositories). These STAs are a trove of information about the project's architecture and its evolution, containing details and insights that code alone cannot provide. Unfortunately, this information is not easily extracted and explored as STAs are frequently fragmented over different communication channels, and are written in natural language. We present Ritgard, a tool that mines GitHub repositories for their STAs, namely Issues, Pull Requests, and Discussions, and visualizes them as 3D islands covered with trees. Each tree represents a single artifact and each island is a topic extracted from the artifacts through a combination of text embedding and text summarization. The terrain of the islands rises out of the ocean as the topic becomes active and sinks back in when it becomes stale, thus depicting the evolution of features and concerns throughout the project's lifetime. We describe the tool's usage and implementation, showing the numerous technical challenges behind Ritgard's visualization.
• Abstract（参考訳）: ソフトウェアプロジェクトは単なるコード以上のものです。 非コードアーティファクトは、しばしばソースコードの背後にある人間のプロセスと決定を文書化する。 ライブラリの変更の背後にある理論的根拠、アーキテクチャ上の決定、ユーザが直面する問題はすべて、一般的に社会技術的アーティファクト(STA)に存在する情報の例です。 これらのSTAは、プロジェクトのアーキテクチャとその進化に関する多くの情報であり、コードだけでは提供できない詳細と洞察を含んでいる。 残念ながら、STAは異なる通信チャネル上でしばしば断片化され、自然言語で書かれるため、この情報は簡単に抽出され、探索されるわけではない。 私たちは、GitHubリポジトリをSTA(Issues, Pull Requests, debates)にマイニングするツールであるRitgardを紹介し、それらを木で覆われた3Dの島として視覚化する。 各木は1つのアーティファクトを表し、各島は、テキスト埋め込みとテキスト要約の組み合わせによって、アーティファクトから抽出されたトピックである。 島々の地形は、トピックが活発になり、老朽化したときに再び沈み、プロジェクトの生涯を通じて特徴や関心事の進化を描いている。 ツールの使用状況と実装について解説し、Ritgardの視覚化の背後にある数多くの技術的課題を示す。

関連論文リスト

• T(r)opical Islands: Visualizing & Understanding Socio-Technical Artifacts [5.723776012866043]
  本稿では,プロジェクトの社会技術成果物を植生に覆われた島々にマッピングする3次元可視化手法を提案する。 話題の島は、議論されるにつれて海から立ち上がり、もはや沈まないときに再び沈む。 我々は、いくつかのケーススタディを通じて、プロジェクトの歴史を通して、開発トピックに関する議論について、我々のアプローチが引き起こす洞察を提示する。
  論文  参考訳（メタデータ） (2026-09-04T15:17:20Z)
• Explainable Disentangled Representation Learning for Generalizable Authorship Attribution in the Era of Generative AI [70.05655131235999]
  EAVAE(Explainable Authorship Variational Autoencoder)は、コンテンツからスタイルを明示的に切り離す新しいフレームワークである。 ディスタングルメントは、新規な差別者を通じて実施される。 EAVAEは、AI生成テキスト検出のためのM4データセットよりも、数ショットの学習に優れています。
  論文  参考訳（メタデータ） (2026-04-23T05:34:20Z)
• Fine-grained Multi-Document Extraction and Generation of Code Change Rationale [9.038241584076468]
  私たちは、いかに合理的なコンポーネント(例えば、変更の目標、ニーズ、代替品)がアーティファクトに分散されているかを調べます。 LLMベースのアプローチであるARGUSを導入し、コミットのアーティファクトのゴール、ニーズ、代替を表現した文を識別する。
  論文  参考訳（メタデータ） (2026-04-11T20:49:36Z)
• Uncovering Code Insights: Leveraging GitHub Artifacts for Deeper Code Understanding [0.1358202049520503]
  大規模言語モデル(LLM)は、コード説明の生成において有望であることを示している。 GitHubの自然言語アーティファクトを活用する新しいアプローチを提案する。 私たちのシステムは3つのコンポーネントで構成されています。ひとつはGitHubコンテキストの抽出と構造、もうひとつはコード目的の高レベルな説明を生成するためにこのコンテキストを使用する、もうひとつは説明を検証する第3のコンポーネントです。
  論文  参考訳（メタデータ） (2025-11-05T15:31:42Z)
• EVOSCAT: Exploring Software Change Dynamics in Large-Scale Historical Datasets [0.0]
  長く生きたソフトウェアプロジェクトは、多くのアーティファクトを含んでおり、その歴史を通じて多くの修正がなされている。 EvoScatは、研究者が進化データセットを探索し、特徴付けるのに役立つ、スケーラブルな可視化を作成する手段を提供することを目指している。 この論文は、ヒストリスケーリングとアライメントの柔軟な構成をサポートすることで、ツールを特定の分析ニーズに合わせる方法を示している。
  論文  参考訳（メタデータ） (2025-08-14T17:20:27Z)
• 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)
• EpiCoder: Encompassing Diversity and Complexity in Code Generation [66.43738008739555]
  既存のコード生成方法はシードデータとしてコードスニペットを使用する。 階層的なコード機能を中心に展開する,新しい機能ツリーベースの合成フレームワークを提案する。 我々のフレームワークは、生成されたコードの複雑さを正確に制御し、関数レベルの操作からマルチファイルのシナリオまで幅広い機能を実現する。
  論文  参考訳（メタデータ） (2025-01-08T18:58:15Z)
• 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)
• CodeRAG-Bench: Can Retrieval Augment Code Generation? [78.37076502395699]
  検索拡張生成を用いたコード生成の系統的,大規模な解析を行う。 まず、コード生成タスクの3つのカテゴリを含む総合的な評価ベンチマークであるCodeRAG-Benchをキュレートする。 CodeRAG-Bench上のトップパフォーマンスモデルについて、1つまたは複数のソースから検索したコンテキストを提供することにより検討する。
  論文  参考訳（メタデータ） (2024-06-20T16:59:52Z)
• Long Code Arena: a Set of Benchmarks for Long-Context Code Models [75.70507534322336]
  Long Code Arenaは、プロジェクト全体のコンテキストを必要とするコード処理タスクのための6つのベンチマークスイートである。 これらのタスクは、ライブラリベースのコード生成、CIビルドの修復、プロジェクトレベルのコード補完、コミットメッセージ生成、バグローカライゼーション、モジュールの要約といった、コード処理のさまざまな側面をカバーする。 各タスクに対して、テスト用の手作業によるデータセット、評価スイート、オープンソースのベースラインソリューションを提供しています。
  論文  参考訳（メタデータ） (2024-06-17T14:58:29Z)
• 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)
• RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation [96.75695811963242]
  RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。 類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。 バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2023-03-22T13:54:46Z)

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。