[发明专利]一种基于多特征的开源软件项目孵化状态预测方法

说明书

一种基于多特征的开源软件项目孵化状态预测方法，包括如下步骤：步骤1收集关于Apache项目的文件提交以及邮件交流的历史数据；步骤2根据项目的前5个月的历史数据，构建项目成员的有向网络；步骤3提取特征数据，包括邮件网络的网络特征以及相关属性特征，作为训练测试数据；步骤4采用支持向量机(Support Vector Machine，SVM)，的方法对数据进行训练，并构建多特征的开源软件项目孵化状态的预测模型。本发明通过属性特征结合网络特征来对项目状态进行预测分类，能够对项目的最终孵化状态进行合理高效的预测，解决了开源软件项目管理的行业需求。

技术领域

本发明涉及数据挖掘、复杂网络、机器学习技术，特别是涉及一种基于多特征的开源软件项目孵化状态预测方法。

背景技术

在开源软件社区(Open source software，OSS)，开发者通常自愿为项目做出代码或想法上的贡献，并且不求报酬。其次，开源软件项目组的成员往往身处世界各地，平时的项目交流活动更倾向于线上的、自发的组织形式。因此，相比于传统的商业软件项目，开源软件项目的发展过程与结果受到许多潜在的、有联系的、不确定性的因素影响。Apache软件基金会(Apache Software Foundation，ASF)专门为其托管项目提供平台支持，可以及时反映项目团队的发展方向与现状。同时，Apache软件基金会设置了Apache孵化器，用于决定是否接受新的项目。

开源软件社区的利益相关者，比如项目支持者与项目领导小组，非常注意一个(新)项目是否具有可维持和值得支持的可行性分析。如果能估计出一个开源软件项目是仍处于初始阶段，还是处于一个不成熟的状态，或者已经到了生命周期的尽头，对利益相关者而言显得尤为重要。

发明内容

为了克服现有技术无法实现开源软件(OSS)项目孵化状态预测的不足，本发明提供了一种基于多特征的开源软件项目孵化状态预测方法，不仅结合了项目初期的属性特征，同时也提取网络特征一起来进行训练预测，通过提取开源软件项目前期的网络特征和相关属性特征，利用机器学习算法预测项目的未来发展结果(项目孵化成功或失败)。

本发明解决其技术问题所采用的技术方案如下：

一种基于多特征的开源软件项目孵化状态预测方法，包括如下步骤：

步骤1：收集关于Apache项目的文件提交以及邮件交流的历史数据；

步骤2：根据项目的前设定时间段的历史数据，构建项目成员社交网络；

步骤3：提取前设定时间段历史数据中的属性特征和网络特征；

步骤4：采用机器学习分类器模型支持向量机(Support Vector Machine,SVM),选取核函数，构建多特征的开源软件项目孵化状态的预测模型，并进行十折交叉验证，得出测试精度。

进一步，所述步骤1中，收集历史数据，文件提取信息包括：程序员的ID，提交文件的时间，以及被提交文件的ID；邮件交流信息包括：发件人ID，收件人ID，以及交流的发生时间。

再进一步，所述步骤2中，根据步骤1中的项目前设定时间段的历史数据，构建项目成员社交网络，项目成员社交网络为一个由集合V、E和W组成的图，记为G＝(V,E,W)，其中V＝{v₁,v₂,…,v_N}是节点的集合，表示邮件的参与人员，包括收件人和发件人；是有向连边的集合，连边方向是从邮件的发件人指向收件人；W＝(w_ij)_N×N是连边权重的集合，表示两人的邮件交流次数。

所述步骤3中，对前设定时间段属性特征的提取，属性特征包括：①前设定时间段的平均程序员数量；②前设定时间段的平均邮件数量；③前设定时间段的平均提交数量。

所述步骤3中，网络特征提取包括以下过程：