PR合并质量与效率评估行为开放数据集

Pull-based开发模式作为群体化软件开发模式的代表，是开源社群群智激发汇聚行为的集中体现。 其中PR审阅质量以及PR审阅效率的评估是被广泛关注的领域，涌现出了大量关于影响PR审阅质量和效率的相关因素研究，涉及的因素涵盖了从PR创建到PR审阅再到PR最终合并的整个生命周期，包括了PR创建者、PR审阅者、PR合并者等多方利益相关者。本项目聚焦大规模开源社群基于PR的开放协作，构建了相关研究领域规模最大、覆盖因素最全的PR合并质量与效率评估数据集。该数据集涵盖6种开发语言，1万+项目，3百万+ Pull Request，90+相关因素。

各字段含义如下

每一行对应一条pull request记录

• project_id：GHTorrent projects表的id
• github_id：GitHub中项目的第X个pull request
• pull_request_id：GHTorrent pull_requests表的id
• ownername：项目创建者login
• reponame：项目名称
• merged_or_not：PR被合并还是拒绝了
• lifetime_minutes：PR open的时间
• mergetime_minutes：PR被合并花费的时间
• num_commits：PR关闭时包含的commit数量
• src_churn：PR关闭时修改的源代码行数
• test_churn：PR关闭时修改的测试代码行数
• filed_added：PR关闭时添加的文件数量
• files_deleted：PR关闭时删除的文件数量
• files_modified：PR关闭时修改的文件数量
• files_changed：PR关闭时变更的文件数量
• src_files：PR关闭时修改的源代码文件数量
• doc_files：PR关闭时修改的文档数量
• other_files：PR关闭时修改的其他文件数量
• num_commits_comments：代码行评论数量
• num_issue_comments：页面中PR描述下的评论数量
• num_comments：评论数量
• num_participants：参与评论者数量
• sloc：提交PR时，项目中源代码行数
• team_size：提交PR时，项目核心开发者数量
• perc_external_contribs：提交PR时，项目外围贡献者占比
• commits_on_files_touched：提交PR时，修改的热门文件数量
• test_lines_per_kloc：提交PR时，项目中包含的测试代码数量
• test_cases_per_kloc：提交PR时，项目中包含的测试用例数量
• asserts_per_kloc：提交PR时，项目中包含的断言语句数量
• watchers：提交PR时，项目的star数量
• prev_pullreqs：贡献者之前在项目中提交的PR数量
• requester_succ_rate：贡献者PR合并成功率
• followers：贡献者被关注的人数
• churn_addition：提交PR时，添加的代码行数
• churn_deletion：提交PR时，删除的代码行数
• pr_comment_num：review形式提交的评论数量
• perc_neg_emotion：评论中消极情绪占比
• perc_pos_emotion：评论中积极情绪占比
• perc_neu_emotion：评论中中立情绪占比
• part_num_issue：参与PR描述下评论的人数
• part_num_commit：参与代码行评论的人数
• part_num_pr：参与review评论的人数
• part_num_code：参与代码级别评论的人数（commit/pr评论参与人数总和）
• comment_conflict：PR是否包含"conflict"关键词评论
• hash_tag：PR是否包含"#"
• at_tag：PR是否包含"@"
• test_inclusion：PR是否包含测试代码
• description_length：PR描述长度
• bug_fix：PR是否修复了bug
• ci_exists：PR是否使用了CI工具
• ci_latency：CI构建延迟(s)
• ci_build_num：CI构建次数
• ci_test_passed：CI是否通过了测试
• ci_failed_perc：CI构建失败次数
• ci_first_build_status：CI首次构建结果
• ci_last_build_status：CI最后一次构建结果
• language：项目使用的主要编程语言
• fork_num：提交PR时，项目被fork数量
• project_age：提交PR时，项目年龄
• open_issue_num：提交PR时，项目中处于open状态的issue数量
• pr_succ_rate：项目PR合并成功率
• open_pr_num：提交PR时，项目中处于open状态的PR数量
• first_response_time：PR首次被回复的时间间隔
• pushed_delta：距离上次PR提交的时间间隔
• acc_commit_num：贡献者被合并的commit数量
• first_pr：是否是贡献者的首个PR
• account_creation_days：贡献者账号首次创建时间
• core_member：贡献者是否为核心开发者
• contrib_gender：贡献者性别
• contrib_country：贡献者所属国家
• contrib_affiliation：贡献者所属机构
• contrib_open/cons/extra/agree/neur：贡献者五人格得分
• perc_contrib_neg_emo：贡献者评论中消极情绪占比
• perc_contrib_pos_emo：贡献者评论中积极情绪占比
• perc_contrib_neu_emo：贡献者评论中中立情绪占比
• contrib_first_emo：贡献者首次评论的情绪
• prior_review_num：贡献者之前审查的PR数量
• inte_country：合并者所属国家
• inte_affiliation：合并者所属组织
• inte_open/cons/extra/agree/neur：合并者五人格得分
• perc_inte_neg_emo：合并者评论中消极情绪占比
• perc_inte_pos_emo：合并者评论中积极情绪占比
• perc_inte_neu_emo：合并者评论中中立情绪占比
• inte_first_emo：合并者首次评论的情绪
• contrib_follow_integrator：贡献者是否关注了审查者
• prior_interaction：贡献者与项目之前的交互情况
• social_strength：贡献者与项目的社交相关性
• same_country：贡献者与合并者是否来自同一个国家
• same_affiliation：贡献者与合并者是否来自同一个组织
• open/cons/extra/agree/neur_diff：贡献者与合并者无人格差异
• has_comments：PR是否包含评论信息
• has_participants：PR是否有评论者
• has_exchange：PR中是否有贡献者与审查者的交流
• contrib_comment：PR中是否包含贡献者的评论
• inte_comment：PR中是否包含合并者的评论
• reviewer_comment：PR中是否包含审查者的评论
• other_comment：PR中是否包含除了贡献者和审查者之外的人的评论
• num_comments_con：PR中贡献者评论数量
• num_code_comments：PR中代码相关评论数量
• num_code_comments_con：PR中贡献者对代码评论的数量
• integrator_availability：活跃的贡献者多久之后有时间审阅
• friday_effect：PR是否是周五提交的
• contrib_rate_author：PR贡献者项目中代码贡献占比
• reopen_or_not：PR是否重启过
• first_close_minutes：PR首次被关闭的时间间隔
• reopen_num：PR重启次数
• last_close_time：PR最后一次被关闭的时间
• creator_id：PR创建者的id（对应GHTorrent users表的id）
• first_closer_id：PR首次关闭者的id（对应GHTorrent users表的id）
• last_closer_id：PR最后一次关闭者的id（对应GHTorrent users表的id）
• num_commits_open：提交PR时包含的commit数量
• same_user：贡献者与合并者是否为同一个人
• files_added_open：提交PR时添加的文件数量
• files_deleted_open：提交PR时删除的文件数量
• files_modified_open：提交PR时修改的文件数量
• files_changed_open：提交PR时修改的文件数量
• src_files_open：提交PR时修改的源代码文件数量
• doc_files_open：提交PR时修改的文档文件数量
• other_files_open：提交PR时修改的其他文件数量
• src_churn_open：提交PR时修改的源代码行数
• test_churn_open：提交PR时修改的测试代码行数
• code_churn_open：提交PR时修改的代码行数
• churn_addition_open：提交PR时增加的行数
• churn_deletion_open：提交PR时删除的行数
• code_chunk_num_open：提交PR时修改的代码块数量
• commits_on_files_touched_close：PR关闭时修改的热门文件数量
• test_inclusion_open：提交PR时是否包含测试代码