主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
杨程,范强,王涛,尹刚,王怀民.基于多维特征的开源项目个性化推荐方法.软件学报,2017,28(6):1357-1372
基于多维特征的开源项目个性化推荐方法
Multi-Feature Based Personal Recommendation Approach for Open Source Project
投稿时间:2016-10-17  修订日期:2016-10-26
DOI:10.13328/j.cnki.jos.005230
中文关键词:  社交化编程  开源项目  个性化推荐  Learning to Rank  GitHub
英文关键词:social coding  open source software  personal recommendation  Learning to Rank  GitHub
基金项目:国家自然科学基金(61432020,61472430,61502512);国家重点研发计划(2016YFB1000805)
作者单位E-mail
杨程 并行与分布处理国家重点实验室(国防科学技术大学), 湖南 长沙 410073
国防科学技术大学 计算机学院, 湖南 长沙 410073 
delpiero710@126.com 
范强 并行与分布处理国家重点实验室(国防科学技术大学), 湖南 长沙 410073
国防科学技术大学 计算机学院, 湖南 长沙 410073 
 
王涛 并行与分布处理国家重点实验室(国防科学技术大学), 湖南 长沙 410073
国防科学技术大学 计算机学院, 湖南 长沙 410073 
 
尹刚 并行与分布处理国家重点实验室(国防科学技术大学), 湖南 长沙 410073
国防科学技术大学 计算机学院, 湖南 长沙 410073 
 
王怀民 并行与分布处理国家重点实验室(国防科学技术大学), 湖南 长沙 410073
国防科学技术大学 计算机学院, 湖南 长沙 410073 
 
摘要点击次数: 1624
全文下载次数: 1386
中文摘要:
      随着软件协同开发技术与社交网络的深度融合,社交化开发范式已成为当前软件创作与生产的重要方式.这一软件开发模型的灵活性与开放性,吸引了大规模的外围贡献者加入到开源社区中,形成了巨大的软件生产力.在开源社区中,这些分布广泛、规模巨大的外围贡献者,主要以一种组织的松散方式进行协同.他们需要花费大量的时间和精力,在海量的开源项目中寻找到自己真正感兴趣的项目并进行长期贡献.为了提高大规模群体协同的效率,提出一种基于多维特征的开源项目个性化推荐方法(即RepoLike).该方法从开源项目自身流行度、关联项目技术相关度以及大众贡献者之间的社交关联度这3个维度度量开发者和开源项目之间的关联关系,并利用线性组合和Learning To Rank方法构建推荐模型,从而为开发者提供个性化的项目推荐服务.通过大规模的实验,其结果表明: RepoLike在推荐20个候选项目时的推荐命中率超过25%,能够有效地为开发人员提供有价值的推荐服务.
英文摘要:
      With the deep integration of software collaborative development and social networking, social coding represents a new style of software production and creation paradigm. Due to the flexibility and openness, a large number of external contributors are attracted to the open source communities. They are playing a significant role in open source development. However, the online open source development is a globalized and distributed cooperative work. If left unsupervised, the contribution process may result in inefficiency. It takes contributors a lot of time to find suitable projects or tasks to work on from thousands of open source projects in the communities. In this paper, a new approach, called RepoLike, is proposed for recommending repositories to developers based on linear combination and learning to rank. It utilizes the project popularity, technical dependencies among projects and social connections among developers to measure the correlations between a developer and the given projects. The experiment results show that this new approach can achieve over 25% of hit ratio when recommending 20 candidates, which means it can recommend closely correlated repositories to social developers.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利