-
Notifications
You must be signed in to change notification settings - Fork 9
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
[OpenRank] 关于全域 OpenRank 实现细节的讨论 #337
Comments
我这里先提一个思路,这个问题中最本质的一个问题应该是:在一个价值网络中,其价值到底从何而来 就全域协作价值网络而言,本质上来说,价值是来源于开发者的开发劳动,而活跃度本质上就是想体现这个劳动量的。 所以可能的一种修改方法为:
大家看看有没有什么其他的想法和建议。 |
给出另一种可行方案:
用户节点的劳动价值计算方法为:min(1, log(activity + 1) / 5),会得到一个 0-1 之间的值。 这个算法的原因是活跃度本身具有幂律分布属性,先求一次对数,之后通过统计发现几乎都落在了 0 - 5 之间,除以 5 后在 0 - 1 之间,同时给出一个最大的上限是 1,目前按历史数据,除去机器人账号,自然人账号可以达到的峰值在 1.1 左右,因此感觉是可以接受的。 这样对整个价值网络解释为:
|
目前暂将使用上述方法进行全域 OpenRank 计算,计算逻辑将放在 OpenDigger 的 global_openrank 定时任务中。 上述方法下得到的计算结果与现有结果相近,头部仓库与开发者排名相似,但包含了如下一些特点:
2023.11 月开始数据将使用上述方法,结果在 global_openrank 表中,原方式(新增节点初值为 1)结果将放在 global_openrank_legacy 表中、头部 70 万仓库数据将放在 global_openrank_subset 表中供后续进一步精细化分析。 |
价值本身是一个很主观的评判,但是不妨碍我们使用数据科学的方法让这个主观的评判具备一定的依据。全域的github仓库类别很不一致,有一些是以协作为主的仓库,类似dio-lab-open-source , 大多数仓库是以代码为主。
然后不同的类型,我们定制一套openrank算法,再根据leaderrank算法或者其他网络算法进行结合,将不同社区再链接起来最终形成全域,这样是不是说服力更高一些? |
我看主要是对开发者初值进行设计,min(1, log(activity + 1) / 5) 为何不变成 min(1, log(activity + 1)/ max(log(activity))?第二个就是初值计算,那么继承的上个月的值是上个月初值的值还是上个月计算后的值? |
1、 这里其实是针对自然人可活跃上限还是做了一个人为的限定,在目前这种设计下,开发者的每月 OpenRank 增量取决于活跃度,因此保证账号是自然人非常重要。目前虽然我们尽可能剔除了机器人账号,但不排除未来可能出现新的机器人账号的情况,此时如果我们没有及时排除这个自动化账号,同时又没有给定一个上限,则可能导致该账号将上限拉高,从而导致自然人开发者的整体增量被压缩,这显然是不合理的。这里上限为 5,则表示开发者每月 OpenRank 增量的活跃度上限是 148 左右,这是一个相对合理的数字,当超过这个活跃度时,我们就不再增加其增量,也符合经济学中的边际效益递减理论。 2、继承的是上个月计算后的值,这样才能保证整个网络中的总体价值是全部是活跃度带来的,如果继承上个月的初值则是讲不通的,因为其实这个初值的一部分已经传递到了其他仓库节点上。 |
目前的全域 OpenRank 中,为了避免出现单个账号通过刷高自己的活跃情况来给自己和项目刷分的情况,使用了如下的一些规则:
上面的设定有一个非常好的特性就是单用户的高活跃度基本不会影响到结果,尤其是给自己的仓库大量自动化行为的这种情况是可以较好处理的,典型的就类似这个仓库,开发者用自己的账号每分钟在仓库上新建一个 Issue,但只要这个开发者不在其他仓库上活跃,这个仓库的 OpenRank 就不会很高。
然而虽然规避了账号高度活跃带来的刷分问题,但由于无差别对待新增的仓库和用户节点,会导致可以通过大量创建仓库和用户账号的方式来提升局部的价值总量。例如
鉴于上面两个例子,我希望可以再仔细讨论一下全域 OpenRank 的实现细节,尤其是节点初值和价值转移的设计,希望可以在规避用户刷分的同时,也可以避免大量的用户和大量的仓库导致的局部 OpenRank 值过高的问题。
欢迎大家提提想法。
The text was updated successfully, but these errors were encountered: