(Phân cụm cộng đồng nhà phát triển và phát hiện nhóm hợp tác trên GitHub)
-
Data Collection: Leveraged the GitHub API with GraphQL to collect data from 90 public repositories under the "tensorflow" topic, covering over 8,654 unique developers and 1,048,503 collaboration edges. (Thu thập dữ liệu: Sử dụng GitHub API và GraphQL để thu thập dữ liệu từ 90 kho lưu trữ công khai về chủ đề "tensorflow", bao gồm hơn 8.654 nhà phát triển duy nhất và 1.048.503 cạnh hợp tác.)
-
Graph Construction: Collaboration strength is based on shared repositories. A subgraph of 2,500 top developers was extracted using a combined ranking of Degree, PageRank, and Betweenness. (Xây dựng đồ thị: Sức mạnh hợp tác dựa trên số kho lưu trữ chung. Một đồ thị con gồm 2.500 nhà phát triển hàng đầu được chọn dựa trên tổng hợp Degree, PageRank và Betweenness.)
-
Community Detection: Algorithms compared include Leiden, Louvain, Infomap, Spectral Clustering, and Label Propagation. (Phát hiện cộng đồng: Các thuật toán được so sánh bao gồm Leiden, Louvain, Infomap, Spectral Clustering, và Label Propagation.)
| Method | Communities | Modularity |
|---|---|---|
| Leiden | 41 | 0.8486 |
| Infomap | 85 | 0.8359 |
| Louvain | 41 | 0.8260 |
| Spectral Clustering | 20 | 0.6642 |
| Label Propagation | 43 | 0.6561 |
-
Key Result: Leiden achieved the highest modularity (0.8486), indicating tightly connected groups.
(Kết quả chính: Leiden đạt Modularity cao nhất (0.8486), cho thấy các nhóm được kết nối chặt chẽ.) -
Hybrid Approach: Combines modularity optimization, spectral refinement, GNN embeddings, and ensemble voting for community detection.
(Tiếp cận lai: Kết hợp tối ưu hóa Modularity, tinh chỉnh phổ, nhúng GNN, và bỏ phiếu tổ hợp để phát hiện cộng đồng.)
-
Internal Cohesion: 93.2% of edges are intra-community, 6.8% inter-community.
(Tính gắn kết Nội bộ: 93.2% cạnh là nội cộng đồng, 6.8% là liên cộng đồng.) -
Community Size Distribution: Right-skewed; top 10 communities account for 55% of members.
(Phân phối Kích thước: Không đồng đều; top 10 cộng đồng chiếm 55% tổng số thành viên.) -
Community Nature: Communities align with programming languages, repository topics, and project types.
(Bản chất Cộng đồng: Các cộng đồng phát hiện rõ ràng, gắn chặt với ngôn ngữ lập trình, chủ đề kho lưu trữ và loại dự án.)
-
Top developers show high consistency across Degree, PageRank, and Betweenness.
(Vai trò của các Hub: Các nhà phát triển hàng đầu có thứ hạng cao ở Degree, PageRank, Betweenness.) -
High Betweenness indicates key bridge roles between clusters.
(Cầu nối: Betweenness cao cho thấy vai trò cầu nối giữa các cụm.) -
Degree and PageRank positively correlate, indicating more connected developers have greater influence.
(Ảnh hưởng: Degree và PageRank dương mạnh, nhà phát triển nhiều kết nối có ảnh hưởng lớn hơn.) -
Clustering Coefficient negatively correlates with centrality measures, implying hubs connect communities rather than forming tightly knit groups.
(Đặc điểm của Hub: Hệ số phân cụm âm với các chỉ số trung tâm, ngụ ý các hub nối nhiều cộng đồng.)
-
Recommendation Systems: Suggest collaborators, repositories, or projects based on intra-community similarity.
(Hệ thống đề xuất: Gợi ý cộng tác viên, kho lưu trữ hoặc dự án dựa trên sự tương đồng nội cộng đồng.) -
Collaboration Prediction: Identify potential partnerships by analyzing bridges and intra-community edges.
(Dự đoán hợp tác: Xác định các mối quan hệ tiềm năng bằng cách phân tích các cầu nối và cạnh nội cộng đồng.) -
Information Diffusion: Model faster spread of information within dense communities.
(Lan truyền thông tin: Mô hình hóa tốc độ khuếch tán thông tin nhanh hơn trong các cộng đồng có mật độ cao.) -
Network Monitoring: Track community evolution and detect anomalies in collaboration patterns.
(Giám sát mạng lưới: Theo dõi sự tiến hóa của cộng đồng và phát hiện bất thường trong mô hình hợp tác.)
- High computational cost of the hybrid method.
- Static snapshots rather than dynamic network analysis.
- Assumes disjoint communities, limiting detection of overlapping groups.
(Các hạn chế: chi phí tính toán cao của phương pháp lai, phân tích giới hạn ở ảnh chụp tĩnh, giả định cộng đồng không chồng chéo.)
This study provides a comprehensive framework for understanding collaboration structures on GitHub. The network is modular and hub-oriented, and the Leiden algorithm is highly effective for detecting stable community structures.
(Nghiên cứu cung cấp một khuôn khổ toàn diện để hiểu cấu trúc hợp tác trên GitHub. Mạng lưới có tính modular và hướng hub, với thuật toán Leiden là phương pháp hiệu quả nhất để phát hiện các cấu trúc cộng đồng ổn định.)
Students: (Sinh viên thực hiện)
- Hồ Gia Thành
- Huỳnh Thái Linh
- Trương Minh Khoa
Supervisor: (Giảng viên hướng dẫn) ThS. Lê Nhật Tùng
University: (Trường) Trường Đại học Công nghệ TP. Hồ Chí Minh — Khoa học Dữ liệu
Year: (Năm thực hiện) 2025
© 2025 — Project: Developer Community Clustering and Collaboration Group Detection on GitHub
Developed for academic research and educational purposes.