面向软件社区的个性化推荐方法研究与实现

发布时间：2021-12-09 15:04

　　近年来,随着开源软件社区逐渐发展壮大,越来越多的开发者参与了社区中软件的开发、演化和维护活动,并认识到开源软件社区中历史数据资源的价值,但是在超量信息环境下,“信息过载”问题日趋严重,面临着以下挑战:（1）开发人员在开源社区相互协作或参与他们感兴趣的项目开发时,通常会搜索与其开发工作相关的项目,以复用其功能和特性。但是,由于开源软件社区存在海量的项目,他们寻找到自己真正感兴趣的项目,需要花费大量的时间和精力,并且不同的开发者可能对相关项目有不同的需求,所以向开发人员推荐相关项目非常困难。（2）在软件系统的演化过程中,用户会不断提出新的功能请求以对软件进行维护。为实现这些新的功能,开发人员通常使用现有的第三方库并利用其中的应用程序编程接口（Application programming interface,API）来实现这些新功能。然而,究竟选择哪些API、在什么位置以及如何使用这些API,解决这些问题对开发人员来说耗时且费力。（3）由于软件缺陷（bug）的复杂性和历史原因,大多软件bug往往不是一个开发人员就能解决的,开发人员在修改之前需要探讨bug问题,并且当开发人员在完成修复bug... 

【文章来源】：扬州大学江苏省

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

图２．１推荐算法流程图??

图２．３用户行为提取示例??

图２．４推荐过程示例??

【参考文献】：
期刊论文
[1]基于注意力机制的Java API序列推荐方法[J]. 张睿峰,王鹏程,吴鸣,徐云.  计算机系统应用. 2019(09)
[2]基于多开发者社区的用户推荐算法[J]. 时宇岑,印莹,赵宇海,张斌,王国仁.  软件学报. 2019(05)
[3]基于项目属性权重的协同过滤推荐算法[J]. 李转运,孙翠敏.  新乡学院学报. 2019(03)
[4]基于隐性行为的问题解决者推荐算法研究[J]. 罗达雄,叶俊民,廖志鑫,王志锋,陈曙.  小型微型计算机系统. 2019(03)
[5]一种多特征融合的软件开发者推荐[J]. 谢新强,杨晓春,王斌,张霞,纪勇,黄治纲.  软件学报. 2018(08)
[6]API使用的关键问题研究[J]. 李正,吴敬征,李明树.  软件学报. 2018(06)
[7]基于内部边的群体软件开发中的项目推荐方法[J]. 丁沂,李兵,程璨,张迪.  计算机工程与应用. 2018(01)
[8]融合多维信息的主题自适应Web API推荐方法[J]. 李鸿超,刘建勋,曹步清,石敏.  软件学报. 2018(11)
[9]基于多维特征的开源项目个性化推荐方法[J]. 杨程,范强,王涛,尹刚,王怀民.  软件学报. 2017(06)
[10]大规模移动应用第三方库自动检测和分类方法[J]. 王浩宇,郭耀,马子昂,陈向群.  软件学报. 2017(06)

硕士论文
[1]基于群体参与的开源软件推荐方法研究与实现[D]. 伍名.国防科学技术大学 2015
[2]基于主动学习的bug自动分配[D]. 李丽坤.大连理工大学 2013
[3]软件缺陷自动分派研究[D]. 黄小亮.复旦大学 2011



本文编号：3530846