GitHub Star Benchmarks: датасет на 32,6 млн репозиториев и разбор накрутки звёзд

⚡ Главное за 5 секунд - В репозитории repoboost-hq/github-star-benchmarks опубликован датасет по 32,6 млн репозиториев GitHub, у которых есть звёзды. - Данные разбиты по порогам 100 / 1 000 / 10 000 / 100 000 звёзд, а также по языковым и возрастным когортам. - Отдельный блок — исследовательский контекст покупки звёзд и фейковых звёзд; всё лежит в открытом репозитории на GitHub. ### 🔍 Что обнаружено На GitHub появился репозиторий repoboost-hq/github-star-benchmarks — набор данных по звёздам GitHub, охватывающий 32,6 млн отмеченных звёздами репозиториев. Датасет структурирован по порогам популярности: 100, 1 000, 10 000 и 100 000 звёзд, что даёт готовые срезы для сравнения проектов разного масштаба. Дополнительно заявлены когорты по языкам программирования и по возрасту репозиториев, то есть по времени их существования. Заявленная цель набора — служить бенчмарком и базой для AI-исследований вокруг звёзд GitHub. В описании отдельно упоминается контекст исследований покупки звёзд (star-buying) и фейковых звёзд (fake-star) — то есть материал позиционируется не только как статистика по популярности, но и как основа для анализа накрутки. Конкретных метрик по доле накрученных звёзд, методологии подсчёта и даты среза в исходном описании не приводится — доступна только заявленная структура датасета и ссылка на репозиторий. ### 💡 Почему это важно Звёзды GitHub давно стали де-факто метрикой доверия: на них смотрят при выборе библиотек, их учитывают инвесторы и рекрутеры, на них ориентируются в выдаче. Пороговые срезы 100/1k/10k/100k превращают сырой список в инструмент для проверки гипотез — например, о том, как возраст репозитория связан с набором звёзд или как отличается динамика по языкам. Отдельный слой про покупку звёзд важен для тех, кто строит скоринг проектов и хочет отделять органический рост от накрученного. При этом стоит учитывать: репозиторий опубликован под именем repoboost-hq, что отсылает к сфере продвижения репозиториев, поэтому к трактовке выводов о фейковых звёздах разумно подходить с поправкой на возможный коммерческий интерес авторов и проверять методологию по исходным данным.

🔗 Читать на github.com