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