forked from Nigel/new_pullreq_dataset
7.4 KiB
7.4 KiB
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