基于多维特征的开源项目个性化推荐方法

来源：软件学报杂志2017年第6期北京时间：

作者：杨程,范强,王涛,尹刚,王怀民

单位：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 41007311,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 41007302,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 41007303,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 41007304,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 41007305

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，主要以一种无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.

关键词：社交化编程;开源项目;个性化推荐;Learning to Rank;GitHub

基金资助：国家自然科学基金（61432020，61472430，61502512）；国家重点研发计划（2016YFB1000805）