Universidad Nacional de Piura · Tesis de Pregrado

Predicción del Estado de Abandono de Repositorios OSS usando Redes Neuronales BiLSTM

En Progreso

▸ Planteamiento del problema

Un número significativo de repositorios de Software de Código Abierto (OSS) son abandonados con el tiempo, dejando expuestos a proyectos dependientes ante vulnerabilidades de seguridad, falta de actualizaciones y deuda técnica. La detección temprana del riesgo de abandono es un desafío crítico y poco explorado en la salud de los ecosistemas de software.

▸ Hipótesis de investigación

“¿Pueden las redes BiLSTM (Bidirectional Long Short-Term Memory), entrenadas con métricas históricas de actividad de repositorios GitHub (commits, issues, pull requests, patrones de contribuidores), predecir el estado de abandono de un repositorio OSS con mayor precisión que los baselines de ML tradicionales?”

▸ Metodología (MSR)

Mining Software Repositories (MSR) — extracción de secuencias temporales de señales de actividad desde la API de GitHub (GH Archive), ingeniería de características que capturan decaimiento de contribuciones, tasas de resolución de issues y tendencias del bus factor, para luego entrenar modelos BiLSTM que clasifiquen la probabilidad futura de abandono.

Pipeline de datos

GitHub API / GH Archive Datos Crudos de Actividad Ingeniería de Características Secuencias Temporales Entrenamiento BiLSTM Clasificador de Abandono

▸ Características de ingeniería

F01 Frecuencia de commits (promedio semanal)

F02 Contribuidores únicos por ventana temporal

F03 Antigüedad de issues abiertos (días sin resolver)

F04 Tasa de merge/cierre de PRs

F05 Días desde el último commit

F06 Estimación del bus factor

F07 Tiempo de respuesta a issues

F08 Cadencia de releases

▸ Conjunto de datos

Dataset curado de repositorios OSS en GitHub de múltiples dominios, etiquetados por estado de abandono usando umbrales de actividad histórica (frecuencia de commits, fecha del último aporte, antigüedad de issues abiertos).

▸ Arquitectura del modelo

Entrada Serie temporal de señales de actividad del repo (T pasos)

Capa 1 BiLSTM — 128 unidades forward + backward

Capa 2 BiLSTM — 64 unidades con dropout (0.3)

Capa 3 Dense — 32 unidades, activación ReLU

Salida Sigmoid — P(abandonado) ∈ [0,1]

Pérdida Binary Cross-Entropy + pesos de clase

Optimizador Adam (lr=1e-3)

▸ Métricas de evaluación

ACC Accuracy de clasificación vs. baselines Logistic Regression y Random Forest

F1 F1-Score sobre clases de abandono desbalanceadas

AUC AUC-ROC para ranking de probabilidad de abandono

LOSS Curvas de Binary Cross-Entropy para convergencia del entrenamiento BiLSTM

▸ Estado actual

En Progreso

Entrenamiento activo de modelos BiLSTM y comparación con baselines de ML. Los resultados se publicarán al completar la tesis.

Palabras clave

BiLSTM Abandono OSS MSR Deep Learning Minería de GitHub Salud de Repositorios Clasificación de Series Temporales

¿Te interesa? Contáctame

Colaboraciones, preguntas u oportunidades.

Contactar