数据集概述
本数据集为论文《GAP: Forecasting Commit Activity in git Projects》的复制包，包含基于生存分析的git项目提交活动概率预测模型及验证数据。模型通过7528个git仓库、5947名活跃贡献者的提交数据验证，最佳模型基于贡献者最近20天提交活动。数据集含模型代码、依赖说明、验证数据及开源工具GAP相关资源。
文件详解
- 主文件：replication.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内包含以下核心内容：
- 模型代码：notebooks/Survival analysis.ipynb（Jupyter笔记本，含模型定义与解释）
- 依赖文件：requirements.txt（运行笔记本所需的依赖库列表）
- 验证数据：data/cargo.csv.gz（模型验证用提交数据）、data/repositories.csv.gz（libraries.io 1.4.0数据集提取的仓库信息）
- 数据处理脚本：data/convert.py（生成cargo.csv.gz的转换脚本）
- 原始数据依赖：data-raw/cargo_all_proj_commits_id.csv.gz（转换脚本所需的原始提交数据）
数据来源
论文《GAP: Forecasting Commit Activity in git Projects》（发表于Journal of Systems and Software）
适用场景
- 开源项目风险评估：预测开发者提交活动，识别活跃开发者流失风险，辅助项目维护决策。
- 软件工程预测模型研究：验证生存分析在提交活动预测中的应用效果，优化模型参数。
- 开源社区贡献者行为分析：通过提交活动数据挖掘贡献者参与模式与活跃度变化规律。
- 开源工具应用与扩展：基于GAP工具实现特定git项目的提交活动预测，或二次开发功能。
