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
谢新强,杨晓春,王斌,张霞,纪勇,黄治纲.一种多特征融合的软件开发者推荐.软件学报,2018,29(8):2306-2321
一种多特征融合的软件开发者推荐
Multi-Feature Fused Software Developer Recommendation
投稿时间:2017-07-18  修订日期:2017-09-28
DOI:10.13328/j.cnki.jos.005525
中文关键词:  多特征融合  协作推荐  能力评价  行为感知  大数据
英文关键词:multi-feature fusion  collaborative recommendation  capability evaluation  behavior perception  big data
基金项目:国家自然科学基金(61272178,61572122);国家重点研发计划(2016YFB1000804)
作者单位E-mail
谢新强 东北大学 计算机科学与工程学院, 辽宁 沈阳 110004
软件架构国家重点实验室(东软集团), 辽宁 沈阳 110179 
 
杨晓春 东北大学 计算机科学与工程学院, 辽宁 沈阳 110004 yangxc@mail.neu.edu.cn 
王斌 东北大学 计算机科学与工程学院, 辽宁 沈阳 110004  
张霞 东北大学 计算机科学与工程学院, 辽宁 沈阳 110004
软件架构国家重点实验室(东软集团), 辽宁 沈阳 110179 
 
纪勇 软件架构国家重点实验室(东软集团), 辽宁 沈阳 110179  
黄治纲 软件架构国家重点实验室(东软集团), 辽宁 沈阳 110179  
摘要点击次数: 756
全文下载次数: 639
中文摘要:
      软件开发者能力评价和协作关系推荐,是大数据环境下软件智能化开发领域的一个研究热点.通过分析互联网开发者社区和企业内部开发环境,设计出基于模糊综合评价的开发者能力模型.随后,通过挖掘开发者与任务的动态交互行为、静态匹配度以及开发者能力这3个不同维度的特征并结合矩阵分解技术,提出一种能力与行为感知的多特征融合协同过滤开发者推荐方法,最终解决开发者推荐面临的评价矩阵稀疏性和冷启动问题,提升个性化精准推荐效率.从系统层面给出适合大数据环境的多特征融合开发者推荐原型系统实践并对现有开源技术框架的优化改进,实验过程分别基于互联网问答社区StackOverflow和企业内部GitLab环境进行了实验分析.最后,对未来研究可能的问题及思路进行了展望.
英文摘要:
      The capability evaluation and collaborative relationship recommendation of software developers is a hot topic in the field of software intelligent development in big data environment. By analyzing the internet developer community and the enterprise internal development environment, a developer ability model based on fuzzy comprehensive evaluation is designed in this paper. Subsequently, the three different dimensions of the dynamic interaction behavior, static matching, and developer capabilities are extracted by mining the dynamic interaction between the developer and the task. Furthermore, by combining matrix decomposition techniques, a multi-feature fusion enhanced method based on capability and behavior for collaborative filtering developer recommendation is proposed. The method ultimately solves the evaluation matrix sparseness and cold start problem of developer recommendation, and improves the personalized precision recommendation efficiency. From the system level, a prototype of multi feature fusion recommendation system suitable for big data environment is presented, and the optimization of existing open source technology framework is improved. Experiment is conducted based on the internet Q&A community StackOverflow and the internal institution GitLab environment. Finally, the possible issues and ideas for future research are addressed.
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