[发明专利]面向多源软件开发数据融合的开发者画像建模方法

说明书

本发明涉及面向多源软件开发数据融合的开发者画像建模方法。本发明从GitHub中的README.md、代码文本和Stack Overflow中Answers中的代码文本、Answers中的描述文本提取特征和API，计算出特征的相似度和API的相似度，再计算两者的综合相似度，并排序，综合相似度大于某一个值(θ)时，即认为GitHub的developer₁与Stack Overflow的developer₂为同一用户，把属于同一用户的数据进行融合，分别将开发者的技能、活动、开发者与代码的关系、开发者与开发者之间的关系挖掘出来，用画像综合表示出来。本发明克服了无法为全面完成软件工程任务提供推荐的缺陷。本发明利用多源数据，开发者与代码结合，对开发者的画像进行建模。

技术领域

本发明属于软件工程领域，特别涉及面向多源软件开发数据融合的开发者画像建模方法。

背景技术

在软件工程中有各种类型的软件开发与维护任务，如软件开发、测试等等，各个开发者的技能、经验等方面各有不同，所以如何给开发者分配合理的任务，是软件开发和维护领域的一大难题。对开发者进行画像建模，可以解决这一难题，然而，基于单源数据的开发者画像建模方法不能全面刻画开发者的画像，该方法存在数据稀疏性问题，导致开发者的技能提取不全面，也只能发现开发者在单一网站中的活动，与开发者之间的显式关系，而面向多源软件开发数据融合的开发者画像建模方法克服了该方法的缺陷，充分全面地对软件开发者进行画像建模。

在本发明作出之前，目前，已有一些技术用来对开发者画像建模，如Annie等人从开发知识、组织信息和通信网络三个方面对开发者的画像建模，同时阐述了开发者画像的潜在应用，个性化推荐和推荐开发者，另外还介绍了开发者画像的维护和存储。然而，这些技术只能片面的挖掘出开发者的专业知识、在同一组织中的职位、软件开发过程中的角色、与其他开发者在同一个工程中的交互信息，画像存在单一性，这类开发者画像在个性化推荐方面，用于对推荐的API方法的过滤，开发者感兴趣的软件界面的显示等，在推荐开发者这一方面，推荐开发者解决用户支持请求问题，帮助用户解决技术问题。由于软件工程的任务的类型不同，所以这些技术建立的开发者画像，无法为全面完成软件工程任务提供推荐。

发明内容

本发明的目的就在于克服上述缺陷，提出一种面向多源软件开发数据融合的开发者画像建模的方法。

本发明技术方法是：

一种面向多源软件开发数据融合的开发者画像建模方法，其特征在于如下步骤：

(1)收集GitHub中的数据，对GitHub的信息进行文本提取，提取所有项目中的README.md，将README.md进行自然语言处理，使用命名实体识别技术确定文本中的单词或者短语是否为特征，使用命名实体消歧技术确定特定单词或者短语所指的具体特征，提取到的单词或短语都为特征；对GitHub信息库中的信息进行文本提取，提取所有diff中的代码文本，使用文本信息预处理技术，如分词、词根还原、去掉停用词，提取代码文本中的API；

(2)收集Stack Overflow中的数据，对Stack Overflow的信息进行文本提取，提取Answers中的代码文本，使用文本信息预处理技术，如分词、词根还原、去掉停用词，提取代码文本中的API；对Stack Overflow的信息进行文本提取，提取Answers中的描述文本，对Answers中的描述文本进行自然语言处理，使用命名实体识别技术确定文本中的单词或者短语是否为特征，使用命名实体消歧技术确定特定单词或者短语所指的具体特征，提取到的单词或短语都为特征；

(3)经过步骤(1)后得到的特征和经过步骤(2)后得到的特征进行相似度计算；经过步骤1)后得到的API和经过步骤(2)后得到的API进行相似度计算；

(4)同一用户的数据进行融合，对步骤(3)中得到的特征相似度和API相似度再计算综合相似度，根据综合相似度值，判别用户的同一性；