[Research Idea] 通过行为历史数据 Events Data 来分析刷 stars 的行为

[yoyo-wu98]

Description

根据 Frank 在他的文章中提到的这一步 https://github.com/frank-zsy/blog/blob/9f43cfcf1064ef873002a3a879afb82ce0f29abf/source/_posts/how_to_measure_open_source_1.md?plain=1#L27 我觉得 star 的作用被太过低估了。

当然这也是可以理解的，其主要原因在于：

1. 确实有太多没有那么大价值的 repository （如 Papers collections，leetcode 题解库等）被刷了过多的 stars；
2. stars 的数据采集吃力不讨好，根据 open-digger 中的 issue 的一个回答 可知： Github API 针对实时 stars 统计的 rate limit 会限制我们的研究数据采集，同时 GH Archive 的关于 stars 的统计方法也并不符合我们的需求，所以很难获得优质的数据集。

不过这些问题不是没有解决方法的：

1. 我们可以通过训练出一个点赞用户的画像模型来判断刷 stars 的人都会刷些什么 repository 以及他们刷 stars 的行为是否有某些共性规律；
2. 根据 Github API 我们可以非实时的，定时分批次 / 分布式的获取这些 stars 数据。

不过这一研究项目是否有足够的价值和意义尚未可知，暂时只在想法阶段，并不一定值得去研究。

[xgdyp]

这个俺也想过 与其说是刷star 不如说是否通过用户的star记录做用户画像，你觉得呢 我也没怎么想过

[yoyo-wu98]

我先考虑有时间做个可用的数据集/数据获取方法。

之后再想想方向上的问题吧。

TODOs

• [ ] 数据集制作

[bifenglin]

需要了解以下几点：

1. 要解决的问题是什么？
2. 用户画像构建的特征有哪些
3. 数据集制作有哪些特点？（大小、特定的区域）