[發明專利]面向多源軟件開發數據融合的開發者畫像建模方法

有效

• 申請號: 201710554338.5
• 申請日: 2017-07-04
• 公開（公告）號: CN107491299B
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 李斌;丁佐琳;孫小兵;周澄
• 申請（專利權）人: 揚州大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/30;G06F8/30
• 代理公司: 南京中新達專利代理有限公司 32226
• 代理人: 孫鷗;朱杰

本發明涉及面向多源軟件開發數據融合的開發者畫像建模方法。本發明從GitHub中的README.md、代碼文本和Stack Overflow中Answers中的代碼文本、Answers中的描述文本提取特征和API，計算出特征的相似度和API的相似度，再計算兩者的綜合相似度，并排序，綜合相似度大于某一個值(θ)時，即認為GitHub的developer₁與Stack Overflow的developer₂為同一用戶，把屬于同一用戶的數據進行融合，分別將開發者的技能、活動、開發者與代碼的關系、開發者與開發者之間的關系挖掘出來，用畫像綜合表示出來。本發明克服了無法為全面完成軟件工程任務提供推薦的缺陷。本發明利用多源數據，開發者與代碼結合，對開發者的畫像進行建模。

技術領域

本發明屬于軟件工程領域，特別涉及面向多源軟件開發數據融合的開發者畫像建模方法。

背景技術

在軟件工程中有各種類型的軟件開發與維護任務，如軟件開發、測試等等，各個開發者的技能、經驗等方面各有不同，所以如何給開發者分配合理的任務，是軟件開發和維護領域的一大難題。對開發者進行畫像建模，可以解決這一難題，然而，基于單源數據的開發者畫像建模方法不能全面刻畫開發者的畫像，該方法存在數據稀疏性問題，導致開發者的技能提取不全面，也只能發現開發者在單一網站中的活動，與開發者之間的顯式關系，而面向多源軟件開發數據融合的開發者畫像建模方法克服了該方法的缺陷，充分全面地對軟件開發者進行畫像建模。

在本發明作出之前，目前，已有一些技術用來對開發者畫像建模，如Annie等人從開發知識、組織信息和通信網絡三個方面對開發者的畫像建模，同時闡述了開發者畫像的潛在應用，個性化推薦和推薦開發者，另外還介紹了開發者畫像的維護和存儲。然而，這些技術只能片面的挖掘出開發者的專業知識、在同一組織中的職位、軟件開發過程中的角色、與其他開發者在同一個工程中的交互信息，畫像存在單一性，這類開發者畫像在個性化推薦方面，用于對推薦的API方法的過濾，開發者感興趣的軟件界面的顯示等，在推薦開發者這一方面，推薦開發者解決用戶支持請求問題，幫助用戶解決技術問題。由于軟件工程的任務的類型不同，所以這些技術建立的開發者畫像，無法為全面完成軟件工程任務提供推薦。

發明內容

本發明的目的就在于克服上述缺陷，提出一種面向多源軟件開發數據融合的開發者畫像建模的方法。

本發明技術方法是：

一種面向多源軟件開發數據融合的開發者畫像建模方法，其特征在于如下步驟：

(1)收集GitHub中的數據，對GitHub的信息進行文本提取，提取所有項目中的README.md，將README.md進行自然語言處理，使用命名實體識別技術確定文本中的單詞或者短語是否為特征，使用命名實體消歧技術確定特定單詞或者短語所指的具體特征，提取到的單詞或短語都為特征；對GitHub信息庫中的信息進行文本提取，提取所有diff中的代碼文本，使用文本信息預處理技術，如分詞、詞根還原、去掉停用詞，提取代碼文本中的API；

(2)收集Stack Overflow中的數據，對Stack Overflow的信息進行文本提取，提取Answers中的代碼文本，使用文本信息預處理技術，如分詞、詞根還原、去掉停用詞，提取代碼文本中的API；對Stack Overflow的信息進行文本提取，提取Answers中的描述文本，對Answers中的描述文本進行自然語言處理，使用命名實體識別技術確定文本中的單詞或者短語是否為特征，使用命名實體消歧技術確定特定單詞或者短語所指的具體特征，提取到的單詞或短語都為特征；

(3)經過步驟(1)后得到的特征和經過步驟(2)后得到的特征進行相似度計算；經過步驟1)后得到的API和經過步驟(2)后得到的API進行相似度計算；

(4)同一用戶的數據進行融合，對步驟(3)中得到的特征相似度和API相似度再計算綜合相似度，根據綜合相似度值，判別用戶的同一性；