Tie Strength in GitHub Heterogeneous Networks

Transcrição

1 Tie Strength in GitHub Heterogeneous Networks Gabriel P. Oliveira, Natércia A. Batista, Michele A. Brandão, Mirella M. Moro Universidade Federal de Minas Gerais (UFMG)

2 2 Todos sabem O que é uma Rede Social As mais usadas Quem as usa Como usá-las Mas e... Como lucrar com elas? As pessoas influentes? Como evoluem? Fonte:

3 3 Valor das Redes Sociais Examples of the effects of social networks on economic activity are abundant and pervasive, including roles in transmitting information about jobs, new products, technologies, and political opinions. Networks of relationships among various firms and political organizations affect research and development, patent activity, trade patterns, and political alliances. Matthew O. Jackson: An Overview of Social Networks and Economic Applications. In: Handbook of Social Economics. Edited by Jess Benhabib, Alberto Bisin and Matthew O. Jackson. Elsevier, 2011.

4 4 REDES SOCIAIS Diversão e conexões pessoais + Trabalho e conexões profissionais

5 5 Genoma de Relacionamentos Profissionais Genoma de Relacionamentos Profissionais Como pessoas interagem Com métricas específicas Pessoais psique humana Dados disponíveis ou coletáveis Amplo campo aberto Aplicações diversas: Caracterização (como é) Evolução (como veio a ser) Prospecção (como será)

6 6 GitHub Rede de colaboração entre desenvolvedores Contribuem em repositórios Comentam e relatam problemas E mais (próximos slides) Rede Social: pessoas/nós + relacionamentos/arestas Relacionamentos possuem importâncias diferentes

7 7 Força da Colaboração no GitHub Modelagem + Métricas Intervalo de Tempo Alves et SBBD 2016 Batista et SBBD 2017 Aspectos Temporais GitSED: Conjunto de Dados Batista et WI 2017 Batista et SBBD DSW 2017

8 8 Força da Colaboração no GitHub Modelagem + Métricas Intervalo de Tempo Alves et SBBD 2016 Batista et SBBD 2017 Consideram apenas relacionamentos por commits Aspectos Temporais GitSED: Conjunto de Dados Batista et WI 2017 Batista et SBBD DSW 2017

9 9 Objetivos Criar uma modelagem heterogênea que represente os vários tipos de relacionamentos existentes no GitHub Identificar novas propriedades semânticas para a criação de métricas para a força dos relacionamentos Utilizar a modelagem e as novas métricas em uma aplicação real de ranqueamento de pares

10 10 Base de Dados WebMedia 2018 Minicurso 5 GitSED (GitHub Socially Enhanced Dataset) Atualização com dados até maio/2017 Novas linguagens adicionadas Mais Colaborativas Menos Colaborativas

11 11 Rede Base [Alves et al. 2016; Batista et al. 2017] Nós são desenvolvedores do GitHub Arestas conectam pessoas que contribuem em um mesmo repositório Mesmo intervalo de tempo

12 12 Rede Base [Alves et al. 2016; Batista et al. 2017] Colaboração só existe se for em um mesmo intervalo de tempo

13 13 Funcionalidades do GitHub Repositórios Compartilhados

14 14 Funcionalidades do GitHub Seguidores Repositórios Compartilhados

15 15 Funcionalidades do GitHub Issues Seguidores bugs, sugestões Repositórios Compartilhados

16 16 Funcionalidades do GitHub Issues Seguidores bugs, sugestões Pull Requests melhorias Repositórios Compartilhados

17 17 Funcionalidades do GitHub Issues Seguidores bugs, sugestões Pull Requests Repositórios Favoritos melhorias Repositórios Compartilhados

18 18 Nova Rede Heterogênea

24 24 Nova Rede Heterogênea O peso é dado por métricas específicas [Alves et al. 2016; Batista et al. 2017]

25 25 Novas Métricas Semânticas BIF - Bidirectional Intensity of Followers BPR - Bidirectional Pull Requests UPR - Unidirectional Pull Requests UAI - Unidirectional Assigned Issues UIM - Unidirectional Intensity of starmarks

26 26 Novas Métricas Semânticas Bidirectional Intensity of Followers (BIF) Intensidade da relação onde dois usuários se seguem 1 0,5 0 se ambos se seguem se X segue Y XOR Y segue X caso contrário

27 27 Novas Métricas Semânticas Bidirectional Pull Requests (BPR) Agrega quantidade de pull requests de um par em todos os repositórios da rede Usuário X cria 2 dos 10 pull requests no repositório R1 (2 + 1) 10 Usuário Y cria 2 dos 10 pull requests no repositório R1

28 28 Novas Métricas Semânticas Bidirectional Pull Requests (BPR) Agrega quantidade de pull requests de um par em todos os repositórios da rede Usuário X cria 5 dos 20 pull requests no reposirório R2 (2 + 1) + (5 + 10) Usuário Y cria 10 dos 20 pull requests no reposirório R2

29 29 Novas Métricas Semânticas Bidirectional Pull Requests (BPR) Agrega quantidade de pull requests de um par em todos os repositórios da rede (2 + 1) + (5 + 10) = 1,

30 30 Novas Métricas Semânticas Unidirectional Pull Requests (UPR) Considera pull requests criados em repositórios de um único usuário 2/10 = 0,6 Usuário X cria 6 pull requests em repositórios de Y Usuário Y possui 10 repositórios

31 31 Novas Métricas Semânticas Unidirectional Assigned Issues (UAI) Avalia a quantidade de issues designadas a um usuário 3/10 = 0,3 Usuário X cria 3 issues que são designadas ao usuário Y Um total de 10 issues são designadas ao usuário Y

32 32 Novas Métricas Semânticas Unidirectional Intensity of starmarks (UIM) Proporção de repositórios favoritos entre dois usuários 2/10 = 0,2 Usuário X marca 2 repositórios de Y como favoritos Usuário Y possui 10 repositórios

33 33 Análises e Resultados Caracterização das Redes Análise da Correlação entre Métricas Ranking de Pares de Desenvolvedores

34 34 Caracterização das Redes Repositórios Nós (devs) Pares de desenvolvedores Tamanho do Componente Gigante Ruby JavaScript Assembly Visual Basic ,7% 81,9% 22,3% 19% Linguagens mais colaborativas

35 35 Caracterização das Redes Repositórios Nós (devs) Pares de desenvolvedores Tamanho do Componente Gigante Ruby JavaScript Assembly Visual Basic ,7% 81,9% 22,3% 19% Linguagens menos colaborativas

36 Correlação entre Novas Métricas Visual Basic Resultados similares para Pearson Ruby Coef. de Spearman 36 Inversamente correlacionadas Não são correlacionadas Totalmente correlacionadas Inversamente correlacionadas Não são correlacionadas Totalmente correlacionadas

37 37 Correlação entre Novas Métricas Em todas as linguagens, a correlação entre as métricas é baixa ou insubstancial Cada métrica considera um tipo diferente de relacionamento Novas métricas adicionam novas informações à rede de colaboração Não era possível na modelagem anterior

38 38 Correlação com Métricas Existentes Métricas Topológicas Neighborhood Overlap (NO) Métricas Semânticas [Alves et al. 2016; Batista et al. 2017] Shared Repositories (SR) Jointly Developer Contribution to Shared Repositories (JCSR) Jointly Developer Commits to Shared Repositories (JCOSR) Previous Collaboration (PC) Global Potential Contribution (GPC)

39 Correlação com Métricas Existentes Métricas Topológicas Neighborhood Overlap (NO) Métricas Semânticas [Alves et al. 2016; Batista et al. 2017] Consideram commits 39 Shared Repositories (SR) Jointly Developer Contribution to Shared Repositories (JCSR) Jointly Developer Commits to Shared Repositories (JCOSR) Previous Collaboration (PC) Consideram aspectos temporais Global Potential Contribution (GPC)

40 Métricas utilizadas conjuntamente com Tieness (T) Ruby Visual Basic Resultados similares para Pearson Tieness combina propriedade topológica da rede com semântica Coef. de Spearman 40 Correlação com Métricas Existentes [Brandão e Moro 2017]

41 41 Correlação com Métricas Existentes O uso da Tieness com diferentes pesos traz as mesmas informações à rede Deve-se escolher métricas de baixo custo computacional (e.g. T_BIF) O comportamento das métricas é similar em linguagens mais e menos colaborativas

42 42 Aplicação: Ranking de Pares Métrica escolhida para classificação: BPR (Pull Requests) Possui o maior número de pares com valores relativamente altos na rede Comparação com métricas sobre repositórios compartilhados (SR) e tempo de colaboração (GPC)

43 43 Aplicação: Ranking de Pares Pares com alta colaboração em repositórios # Par BPR SR GPC 1 (01, 02) 139, ,051 2 (03, 02) 138, ,204 3 (04, 02) 99, ,04 4 (05, 02) 77, ,028 5 (06, 07) 76, ,992 Linguagem: Ruby BPR - Bid. Pull Requests SR - Shared Repositories GPC - Global Potential Contribution

44 44 Aplicação: Ranking de Pares Tempo de colaboração considerável # Par BPR SR GPC 1 (01, 02) 139, ,051 2 (03, 02) 138, ,204 3 (04, 02) 99, ,04 4 (05, 02) 77, ,028 5 (06, 07) 76, ,992 Linguagem: Ruby BPR - Bid. Pull Requests SR - Shared Repositories GPC - Global Potential Contribution

45 45 Mesmo usuário aparece em vários pares bem colocados Aplicação: Ranking de Pares # Par BPR SR GPC 1 (01, 02) 139, ,051 2 (03, 02) 138, ,204 3 (04, 02) 99, ,04 4 (05, 02) 77, ,028 5 (06, 07) 76, ,992 Linguagem: Ruby BPR - Bid. Pull Requests SR - Shared Repositories GPC - Global Potential Contribution

46 46 Aplicação: Ranking de Pares Par com maior colaboração na rede (i.e. maior valor de SR) # Par BPR SR GPC 1 (01, 02) 139, ,051 2 (03, 02) 138, ,204 3 (04, 02) 99, ,04 4 (05, 02) 77, ,028 5 (06, 07) 76, ,992 Linguagem: Ruby BPR - Bid. Pull Requests SR - Shared Repositories GPC - Global Potential Contribution

47 47 Trabalhos Futuros Verificar influência dos fatores sociais em fatores técnicos Classificação dos relacionamentos a partir do aspecto temporal Investigar popularidade dos desenvolvedores a partir de seus relacionamentos

48 48 Tie Strength in GitHub Heterogeneous Networks Gabriel P. Oliveira, Natércia A. Batista, Michele A. Brandão, Mirella M. Moro Obrigado! Dúvidas? bit.ly/proj-apoena