Understanding the Popularity of Packages in Maven Ecosystem
Notice bibliographique
Résumé
Maven Package Analysis Overview This repository contains scripts and notebooks for analyzing Maven packages. The analysis includes: Distribution of Maven packages across different ranges of star counts. Correlation matrix of popularity metrics for Maven packages. Comparison of features across the top and bottom 20% of packages, along with P-value and Cohen’s d for effect size. Hierarchical clustering to handle multi-collinearity among features, with selected metrics listed. Logistic regression analysis to generate final results. Prerequisites Python 3.8 or higher All required Python packages listed in requirements.txt Installation Clone the repository: git clone <repository_url> cd <repository_folder> Install the required dependencies: pip install -r requirements.txt Usage 1. Distribution of Maven Packages by Star Count To find the distribution of Maven packages across different ranges of star counts, run the following command: python .\star_count_distribution.py 2. Correlation Matrix of Popularity Metrics To generate the correlation matrix for Maven package popularity metrics, run the following command: python .\cluster_corelation.py 3. Feature Comparison Across Top and Bottom 20% To compare features across the top and bottom 20% of packages, including P-value and Cohen’s d for effect size, run the following command: python .\minmaxmedian.py 4. Hierarchical Clustering for Feature Selection To apply hierarchical clustering and handle multi-collinearity among features: Open hierarchical_clustering.ipynb in a Jupyter Notebook environment. Run all the cells in the notebook. This step will identify the following metrics: License Commits Count Readme Exists About Info Dependencies Usages Closed Issues Percentage Release Frequency Vulnerabilities Figure 3 will also be generated during this process. 5. Logistic Regression Analysis To perform logistic regression analysis and generate the final results, run the following command: python .\Logistic_Regression.py Contact For any questions or issues, please reach out to the repository maintainer.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».