Developer recommendation for Topcoder through a meta-learning based policy model

Zhenyu Zhang1, Hailong Sun1, Hongyu Zhang2

1. Beihang University, Beijing, China2. The University of Newcastle, Callaghan, Australia

Crowdsourcing Software Development (CSD)

+

Задачи в CSD

Проблемы CSD

Дешево

Быстро

Свежие идеи

Ненадежно

Проблемы CSD

Зарегистрировались на платформе

Заявились на одно

соревнование

Сделалиодну

посылку23%

85%

Разработчики

Начали соревнование

Получилиодну

посылку33%

Компании

Как увеличить вовлеченность?

Рекомендательная система

Данные о соревновании

Проблемы существующих подходов

1. Рассматривают только опытных участников

2. Решают задачу как классификацию “соревнование - участник”

3. Низкая точность

Данные TopCoder

Параметры соревнования

Факторы: соревнования

Навыки разработчиков

“Влиятельные” разработчики

Вкратце о PageRank

Факторы: разработчики

Мета-обучение

Research Questions

RQ1: Can the Proposed Developer Recommendation Approach Outperform the Baseline Methods?

RQ2: Is the Proposed Meta-Learning Based Policy Model Effective?

RQ3: How do Different Features Affect the Performance of Our Model?

Сравнение с другими работами

Нужен ли столь сложный подход?

Влияние отдельных факторов

Эффективность на разных этапах

Регистрация

Отправка

Победа

Артефакты работы

Основные выводы

1. Интересные факторы: Paragraph2Vec, PageRank

2. Policy-based модель, разбиение задачи на несколько этапов

3. Честно проведенные эксперименты

4. Доступен весь код