趙海燕，李 娜，陳慶奎，曹 健

1(上海市現(xiàn)代光學(xué)系統(tǒng)重點(diǎn)實(shí)驗(yàn)室，光學(xué)儀器與系統(tǒng)教育部工程研究中心，上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院，上海 200093)

2(上海交通大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)系，上海 200030)

1 引 言

在開源生態(tài)系統(tǒng)中，相互依賴的軟件項(xiàng)目形成了協(xié)同發(fā)展的社區(qū)[1].開源社區(qū)的蓬勃發(fā)展吸引了數(shù)量眾多的高水平開發(fā)人員.這些來(lái)自不同國(guó)家、不同文化與專業(yè)知識(shí)背景的開發(fā)者自愿加入社區(qū)，并與其他開發(fā)者建立合作關(guān)系[2]，共同推進(jìn)項(xiàng)目的開發(fā).

盡管開源社區(qū)發(fā)展迅速，但是由于開源社區(qū)公開、自愿、非盈利等原則，也出現(xiàn)了諸多問(wèn)題：1)很多項(xiàng)目因未能及時(shí)找到合適的開發(fā)者而處于停滯狀態(tài)；2)開發(fā)者也不能準(zhǔn)確找到自己感興趣并能夠勝任的項(xiàng)目；3)95%以上的開發(fā)者只參與了不超過(guò)5個(gè)項(xiàng)目，大量的人力處于空閑狀態(tài).上述情況之所以存在，一方面是由于開發(fā)者無(wú)法通過(guò)現(xiàn)有的項(xiàng)目檢索方法找到真正匹配自己技能的項(xiàng)目；另一方面是由于項(xiàng)目負(fù)責(zé)人沒(méi)能掌握社區(qū)開發(fā)者的興趣、專業(yè)特長(zhǎng)以及開發(fā)者的合作偏好.

目前，可用于開發(fā)者及項(xiàng)目推薦的信息來(lái)源有用戶(users)、項(xiàng)目(projects)、項(xiàng)目成員(project members)、追隨者(followers)、提交(commit)、評(píng)論(comments)、問(wèn)題(issues)、拉取請(qǐng)求(pull request)等.項(xiàng)目中的成員相互合作，并進(jìn)行一系列操作對(duì)項(xiàng)目進(jìn)行貢獻(xiàn).圖1展示了開發(fā)者之間的合作關(guān)系以及進(jìn)行推薦的幾種可能性，其中成員之間直線連接表示曾有過(guò)合作關(guān)系.

圖1 開源社區(qū)中項(xiàng)目與開發(fā)者的關(guān)系

由于開源社區(qū)存在眾多的項(xiàng)目及開發(fā)者，且其興趣是動(dòng)態(tài)變化的，因此想要精準(zhǔn)地為開發(fā)者推薦項(xiàng)目，或者為項(xiàng)目推薦合適的開發(fā)者是相當(dāng)困難的[3].在此背景下，開源生態(tài)系統(tǒng)中的項(xiàng)目與開發(fā)者推薦具有非常重大的意義.

推薦算法是近年來(lái)的熱門研究領(lǐng)域，將推薦算法應(yīng)用于開源生態(tài)系統(tǒng)中，也引起了研究者的廣泛興趣.有些推薦系統(tǒng)的典型方法已經(jīng)被用于項(xiàng)目及開發(fā)者推薦，如，基于內(nèi)容的推薦、基于協(xié)同過(guò)濾與內(nèi)容的混合推薦、基于社交網(wǎng)絡(luò)的推薦等.許多研究者在通用的推薦系統(tǒng)模型基礎(chǔ)上，加以針對(duì)性的改進(jìn)，使得其推薦模型具有更好的性能.

為了對(duì)開源生態(tài)中的項(xiàng)目與開發(fā)者推薦進(jìn)行更為合理的評(píng)估并分析其未來(lái)的研究方向，本論文首先總結(jié)了開源項(xiàng)目中項(xiàng)目、開發(fā)者的特性，在此基礎(chǔ)上，分別對(duì)項(xiàng)目推薦、開發(fā)者推薦進(jìn)行了介紹，最后，文章對(duì)未來(lái)的研究方向進(jìn)行了討論.

2 開源項(xiàng)目中的項(xiàng)目與成員特性

2.1 項(xiàng)目特征

在開源項(xiàng)目中，無(wú)論進(jìn)行項(xiàng)目推薦或是開發(fā)者推薦，項(xiàng)目特征與開發(fā)者特征都是相互依賴的.項(xiàng)目(projects)中包含的信息有項(xiàng)目id、url、創(chuàng)建者id、項(xiàng)目名稱、項(xiàng)目描述、語(yǔ)言、創(chuàng)建時(shí)間等.自述文件主要是開發(fā)者對(duì)一個(gè)項(xiàng)目的實(shí)現(xiàn)目標(biāo)及實(shí)現(xiàn)過(guò)程進(jìn)行描述.社區(qū)中的成員可以通過(guò)檢索關(guān)鍵字搜索自己感興趣的項(xiàng)目加入或者進(jìn)行代碼重用.此外，開源項(xiàng)目還有其他的屬性，如stars、pull request、issues以及項(xiàng)目的已有成員的信息.其中：

1)stars指一個(gè)項(xiàng)目的的關(guān)注者個(gè)數(shù)，它代表了一個(gè)項(xiàng)目的流行程度.

2)Pull Request用于開發(fā)者之間的協(xié)作，比如，開發(fā)者想要為一個(gè)項(xiàng)目進(jìn)行貢獻(xiàn)，可以先f(wàn)ork這個(gè)倉(cāng)庫(kù)，相當(dāng)于拷貝一份，再克隆到本地分支，然后對(duì)項(xiàng)目進(jìn)行缺陷修復(fù)或增加一些功能，貢獻(xiàn)完成后，則可以發(fā)起一個(gè)Pull Request，即請(qǐng)求另一個(gè)開發(fā)者(比如項(xiàng)目的維護(hù)者)進(jìn)行代碼審查，若代碼合格，則拉取這份分支倉(cāng)庫(kù).發(fā)起Pull Request時(shí)，需提供4個(gè)信息(源倉(cāng)庫(kù)、源分支、目的倉(cāng)庫(kù)、目的分支).

3)Issues中包含了在項(xiàng)目開發(fā)過(guò)程中產(chǎn)生的所有缺陷、缺陷提出者、缺陷指派者、缺陷狀態(tài).每個(gè)issues有獨(dú)一無(wú)二的編號(hào)以便對(duì)這些缺陷狀態(tài)進(jìn)行跟蹤.

2.2 開發(fā)者特征

開源社區(qū)用戶眾多，任何人都可能成為開源項(xiàng)目的貢獻(xiàn)者.在分析開發(fā)者的特征時(shí)，需結(jié)合項(xiàng)目特征，挖掘出開發(fā)者的興趣點(diǎn)和擅長(zhǎng)的項(xiàng)目類型.

社區(qū)中的用戶(users)均有個(gè)人id、姓名、所屬公司、所屬國(guó)家及地區(qū).開發(fā)者在社區(qū)中的所有行為均會(huì)被記錄，這些行為包括提交、評(píng)論、追隨其他用戶等.

提交(commit)包括bug提交、bug評(píng)論提交、pull request評(píng)論提交.每一個(gè)提交也會(huì)有特定id，提交者id、項(xiàng)目id以及提交時(shí)間也會(huì)被記錄，這有利于挖掘開發(fā)者的個(gè)人興趣.評(píng)論(comments)與提交相同，也分為問(wèn)題評(píng)論、提交評(píng)論、pull request評(píng)論.評(píng)論id、評(píng)論者id、評(píng)論內(nèi)容、評(píng)論時(shí)間等一系列細(xì)節(jié)被詳細(xì)記錄，這些信息在一定程度上能夠衡量開發(fā)者所擅長(zhǎng)的東西.

追隨者(followers)這一特征中記錄用戶id及其追隨者id，這一指標(biāo)反映出開源社區(qū)中的領(lǐng)導(dǎo)力，那些活躍且技能突出的人會(huì)擁有更多追隨者.

由于開發(fā)者會(huì)不斷學(xué)習(xí)新的東西，其興趣會(huì)隨著時(shí)間而有所變化，因此開發(fā)者的特征比較難衡量.

2.3 開發(fā)者與項(xiàng)目的關(guān)系

對(duì)開源社區(qū)中，開源項(xiàng)目和開發(fā)者的關(guān)系是非常復(fù)雜的[4].進(jìn)行項(xiàng)目及開發(fā)者推薦首先需要理解針對(duì)一個(gè)開源項(xiàng)目什么樣的成員能夠符合要求.因此，以下對(duì)開發(fā)者與開源項(xiàng)目的關(guān)系進(jìn)行了總結(jié).

近年來(lái)，隨著開源社區(qū)的發(fā)展，許多研究者從不同的角度探索開源社區(qū)開發(fā)者的參與動(dòng)機(jī)和他們之間協(xié)調(diào)合作的機(jī)理等[5]，但是缺乏一個(gè)系統(tǒng)的總結(jié).我們對(duì)相關(guān)的研究工作進(jìn)行了梳理，見表1，它包括開發(fā)者加入/離開項(xiàng)目的原因、開發(fā)者合作關(guān)系對(duì)參與項(xiàng)目的影響、開發(fā)者在開源項(xiàng)目中的能力衡量.

表1 開發(fā)者與項(xiàng)目的關(guān)系

2.3.1 開發(fā)者加入/離開項(xiàng)目時(shí)考慮的因素

開發(fā)者的積極參與及長(zhǎng)期貢獻(xiàn)是一個(gè)項(xiàng)目成功的必要前提，了解開發(fā)者加入項(xiàng)目的動(dòng)機(jī)、行為具有重要價(jià)值.文獻(xiàn)[6，7]探究了社區(qū)中開發(fā)者的參與動(dòng)機(jī)，這些動(dòng)機(jī)均與項(xiàng)目相關(guān)，包括金錢、榮譽(yù)等等.項(xiàng)目有利于個(gè)人發(fā)展在所有動(dòng)機(jī)中排名最高.

項(xiàng)目開發(fā)從來(lái)都不是單打獨(dú)斗，因此開發(fā)者加入項(xiàng)目時(shí)還會(huì)考慮項(xiàng)目的團(tuán)隊(duì)成員.文獻(xiàn)[8，9]研究了社會(huì)意識(shí)的提高和工作的透明度如何影響開發(fā)者參與開源項(xiàng)目這一問(wèn)題，文獻(xiàn)[10]探討了開發(fā)者協(xié)作網(wǎng)絡(luò)如何影響開發(fā)者對(duì)開源項(xiàng)目的選擇.研究表明，若一個(gè)項(xiàng)目中有他之前合作過(guò)的人員，則該開發(fā)者更傾向于加入該項(xiàng)目.開發(fā)者在過(guò)去的工作中表現(xiàn)優(yōu)秀會(huì)被優(yōu)先推薦加入項(xiàng)目，同時(shí)，項(xiàng)目中成員的素質(zhì)、聲望會(huì)影響開發(fā)者是否加入項(xiàng)目.項(xiàng)目開發(fā)離不開溝通交流，開發(fā)者自身缺乏互動(dòng)會(huì)影響項(xiàng)目的正常推進(jìn)[11].

開發(fā)者加入項(xiàng)目除了考慮項(xiàng)目、團(tuán)隊(duì)成員兩個(gè)因素外，還考慮個(gè)人的因素，開發(fā)者自身專業(yè)知識(shí)是否不足是開發(fā)者加入項(xiàng)目時(shí)必須考慮的因素[12].

眾多文獻(xiàn)研究了開發(fā)者加入項(xiàng)目的動(dòng)機(jī)，相對(duì)而言，開發(fā)者離開項(xiàng)目的原因的研究還沒(méi)有得到足夠的重視.文獻(xiàn)[13，14]使用反向滾雪球的方法，定義了開發(fā)者在開源項(xiàng)目中的生命周期，通過(guò)識(shí)別開發(fā)者的“休眠”狀態(tài)(即暫時(shí)離開)、“死亡”狀態(tài)(即永久離開)來(lái)探索開發(fā)人員退出項(xiàng)目的原因.開發(fā)者的個(gè)人私事[13]、職業(yè)的變動(dòng)以及開發(fā)興趣的改變[14]均會(huì)導(dǎo)致開發(fā)者中途退場(chǎng)，導(dǎo)致個(gè)人在項(xiàng)目中的不穩(wěn)定參與.同時(shí)，項(xiàng)目開發(fā)過(guò)程中，開發(fā)者收到消極的反饋會(huì)使其喪失參與項(xiàng)目開發(fā)的信心及動(dòng)力，很有可能會(huì)導(dǎo)致開發(fā)人員離開社區(qū).與項(xiàng)目其他成員存在分歧，開發(fā)者之間意見不統(tǒng)一對(duì)于開發(fā)者參與項(xiàng)目的積極性起到負(fù)面影響[15].

2.3.2 開發(fā)者合作關(guān)系對(duì)開源項(xiàng)目的影響

溝通質(zhì)量以及合作效果被認(rèn)為是開源項(xiàng)目成功的決定因素之一.探究開發(fā)者之間的合作情況，也有利于為開源項(xiàng)目推薦較為合適的開發(fā)人員.

1)開源項(xiàng)目中的合作關(guān)系

開發(fā)者之間通過(guò)合作關(guān)系構(gòu)成了一個(gè)社交網(wǎng)絡(luò).社交網(wǎng)絡(luò)可以用許多指標(biāo)進(jìn)行度量，例如，其密度是網(wǎng)絡(luò)中形成的連接數(shù)與網(wǎng)絡(luò)中所有節(jié)點(diǎn)連接總數(shù)的比例[16].文獻(xiàn)[17]通過(guò)研究GitHub上開源項(xiàng)目的協(xié)作模式pull request，開發(fā)了一種基于有向圖的社交網(wǎng)絡(luò)，并分析項(xiàng)目成員之間的等級(jí)制度、生產(chǎn)力、受歡迎程度、彈性和穩(wěn)定性.研究表明，成員的社交網(wǎng)絡(luò)特征與項(xiàng)目的成功之間存在相關(guān)性，例如，開源項(xiàng)目的參與者越多，則項(xiàng)目效果越好.這些分析為如何有效進(jìn)行協(xié)作軟件開發(fā)提供了見解.

在開源項(xiàng)目中，團(tuán)隊(duì)合作大多都是暫時(shí)性的.文獻(xiàn)[18]在GitHub上挖掘能夠跨項(xiàng)目的社交連接(CRSC)團(tuán)隊(duì)，研究了團(tuán)隊(duì)的合作是否能擴(kuò)展到不同的項(xiàng)目.作者使用復(fù)雜網(wǎng)絡(luò)分析法研究這些團(tuán)隊(duì)的結(jié)構(gòu)，研究發(fā)現(xiàn)，擁有持久社會(huì)聯(lián)系的開發(fā)團(tuán)隊(duì)，成員之間的合作更加穩(wěn)定，且會(huì)在多個(gè)項(xiàng)目上相互合作.

文獻(xiàn)[19]研究了開發(fā)者的加入率和退出率、任務(wù)分配率和任務(wù)完成率、現(xiàn)有開發(fā)者在不同項(xiàng)目間的活動(dòng)以及新成員的加入率.

研究發(fā)現(xiàn)，成功的開源項(xiàng)目中的開發(fā)人員具有專注的特征，且少數(shù)核心開發(fā)人員貢獻(xiàn)了大部分代碼，這部分人對(duì)軟件集成的質(zhì)量起著重要的作用.

2)開源項(xiàng)目中合作關(guān)系的特點(diǎn)

開源社區(qū)社區(qū)成員和合作隨時(shí)間不斷地變化，分析網(wǎng)絡(luò)中新加入開發(fā)者的合作偏好行為有利于了解社區(qū)開發(fā)者網(wǎng)絡(luò)結(jié)構(gòu)的動(dòng)態(tài)變化與合作趨勢(shì)的走向.

社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)具有封閉性、中介性和中心性等特征，研究發(fā)現(xiàn)，有影響力的人會(huì)影響其他開發(fā)人員，開發(fā)者傾向于與有影響力的人相互合作.識(shí)別中心度高的開發(fā)者，挖掘、利用隱含于網(wǎng)絡(luò)中的知識(shí)，并依靠中心位置開發(fā)者者的聲望和權(quán)力的影響、支配作用，可以達(dá)到快速知識(shí)共享的目的.

github上的協(xié)作開發(fā)主要通過(guò)拉取請(qǐng)求來(lái)完成，拉取請(qǐng)求審核過(guò)程的效率取決于技術(shù)(如代碼質(zhì)量)和社會(huì)(如貢獻(xiàn)者與項(xiàng)目維護(hù)者的關(guān)系)等因素.為了確定社會(huì)因素對(duì)項(xiàng)目開發(fā)效率的影響因子，文獻(xiàn)[20]研究了基于拉取請(qǐng)求的開發(fā)人員組成的團(tuán)隊(duì)結(jié)構(gòu).核心貢獻(xiàn)者和開發(fā)人員之間更緊密的交互與更快的響應(yīng)對(duì)拉取請(qǐng)求的處理至關(guān)重要.研究發(fā)現(xiàn)，中小型項(xiàng)目開發(fā)的特點(diǎn)是少數(shù)核心貢獻(xiàn)者保持反復(fù)的交互，并且能夠更有效地處理傳入的請(qǐng)求.文獻(xiàn)[21]利用社會(huì)網(wǎng)絡(luò)分析(SNA)探討開源項(xiàng)目中開發(fā)者的協(xié)作行為，將SNA技術(shù)用于識(shí)別那些在其他社區(qū)成員中扮演中心者角色的成員，發(fā)現(xiàn)技術(shù)出色的開發(fā)者建立的合作會(huì)更穩(wěn)固、更高效.也有研究表明，開發(fā)者擁有相同的興趣、目標(biāo)，會(huì)使開發(fā)過(guò)程更順暢[22].

除了開發(fā)者自身的硬實(shí)力之外，其人際交往能力、溝通能力、性格等因素會(huì)對(duì)項(xiàng)目開發(fā)產(chǎn)生或多或少的影響.一個(gè)成熟的項(xiàng)目開發(fā)團(tuán)隊(duì)對(duì)開發(fā)流程更熟悉，平臺(tái)更廣，開發(fā)者通常會(huì)優(yōu)先選擇與其合作[23].

2.3.3 開發(fā)者在項(xiàng)目中的能力衡量

開源項(xiàng)目中，開發(fā)者在項(xiàng)目中的表現(xiàn)行為和擔(dān)任的角色是不同的，他們的活動(dòng)推動(dòng)著項(xiàng)目的發(fā)展[24].通過(guò)對(duì)開發(fā)者的貢獻(xiàn)方式以及個(gè)人能力進(jìn)行衡量，能夠幫助我們了解、挖掘不同開發(fā)者的技能專長(zhǎng)，從而合理地進(jìn)行開發(fā)者推薦.針對(duì)開發(fā)者在過(guò)去項(xiàng)目中的表現(xiàn)，可以將開發(fā)者能力的衡量分為技能評(píng)估和社區(qū)影響力評(píng)估.

1)技能評(píng)估

技能評(píng)估主要根據(jù)代碼行或功能點(diǎn)來(lái)衡量開發(fā)者對(duì)軟件項(xiàng)目開發(fā)的貢獻(xiàn).軟件開發(fā)人員主要通過(guò)編寫代碼、提交源文件、發(fā)表評(píng)論以及執(zhí)行缺陷修復(fù)來(lái)參與項(xiàng)目.除了源代碼之外，技能評(píng)估還包含開發(fā)人員活動(dòng)軌跡的分析，這對(duì)開發(fā)者推薦過(guò)程非常重要.

軟件開發(fā)過(guò)程中仍然缺乏技術(shù)來(lái)評(píng)估開發(fā)人員在流行的庫(kù)和框架中的專業(yè)技能.文獻(xiàn)[25]收集了關(guān)于開發(fā)人員在GitHub項(xiàng)目上活動(dòng)的13個(gè)特性，包括對(duì)源代碼文件的提交.通過(guò)評(píng)估了無(wú)監(jiān)督學(xué)習(xí)(基于聚類)和有監(jiān)督學(xué)習(xí)(隨機(jī)森林和SVM)分類器的性能，以識(shí)別3個(gè)流行的JavaScript庫(kù)中的專家，最后提出了一種基于GitHub聚類特征數(shù)據(jù)的專家識(shí)別方法.文獻(xiàn)[26]為了對(duì)GitHub的貢獻(xiàn)進(jìn)行評(píng)估，提出CoreDevRec模型用于推薦核心成員.CoreDevRec使用支持向量機(jī)分析不同事件類型的特征，包括修改代碼的文件路徑、貢獻(xiàn)者與核心成員之間的關(guān)系以及核心成員的活動(dòng)性.研究者評(píng)估了GitHub中5個(gè)流行項(xiàng)目的18651個(gè)pull請(qǐng)求，結(jié)果表明，CoreDevRec在前3名推薦中的準(zhǔn)確率為72.9%-93.5%.

一般認(rèn)為，在開源項(xiàng)目中，貢獻(xiàn)者本身的技術(shù)價(jià)值是非常重要的.隨著開發(fā)人員和代碼操作之間的關(guān)系變得可見，我們可以從中推斷出開發(fā)者重要但隱藏的特性.例如，在決定是否接受一名開發(fā)者貢獻(xiàn)之前，項(xiàng)目經(jīng)理可以查看新成員之前參與的所有項(xiàng)目，并將其作為開發(fā)人員技能的信號(hào)進(jìn)行評(píng)估.對(duì)這些信息的分析為評(píng)估開發(fā)人員在開源軟件項(xiàng)目中的潛在貢獻(xiàn)提供了證據(jù).

2)社區(qū)影響力評(píng)估

在開源社區(qū)中，一個(gè)開發(fā)人員的活動(dòng)和興趣很容易被其他開發(fā)人員注意到.研究表明，開發(fā)人員使用這些信息對(duì)其他開發(fā)人員和項(xiàng)目進(jìn)行推斷.

對(duì)Github用戶社交互動(dòng)的數(shù)據(jù)進(jìn)行分析可以揭示許多有趣的特征.文獻(xiàn)[27]通過(guò)分析基于follow、star的活動(dòng)數(shù)據(jù)，從普遍性、中心性、代碼價(jià)值、貢獻(xiàn)和活動(dòng)等方面來(lái)衡量用戶在Github開發(fā)者社交網(wǎng)絡(luò)中的影響力.研究表明，開發(fā)者的跟隨者數(shù)量對(duì)其社交影響力有較為突出的權(quán)重.

文獻(xiàn)[28]通過(guò)對(duì)GitHub中社交編碼網(wǎng)絡(luò)結(jié)構(gòu)的進(jìn)行研究，從GitHub收集了10萬(wàn)個(gè)項(xiàng)目和3萬(wàn)個(gè)開發(fā)人員，構(gòu)建了開發(fā)人員-開發(fā)人員和項(xiàng)目-項(xiàng)目關(guān)系圖，并計(jì)算了圖的各種特性，然后使用PageRank來(lái)識(shí)別GitHub這個(gè)子網(wǎng)絡(luò)上有影響力的開發(fā)人員和項(xiàng)目.研究表明，在圖上距核心開發(fā)者的社交距離越近，做出貢獻(xiàn)的可能性越大.而在文獻(xiàn)[29]中指出，開發(fā)者在線活躍的時(shí)長(zhǎng)也是其為開源社區(qū)做出貢獻(xiàn)的指標(biāo).

3 開源生態(tài)中的項(xiàng)目與開發(fā)者推薦

推薦系統(tǒng)的主要目的是為用戶推薦感興趣的信息、產(chǎn)品或?qū)ο?開源平臺(tái)為開發(fā)人員提供了學(xué)習(xí)和積累經(jīng)驗(yàn)的巨大機(jī)會(huì).為了促進(jìn)開源項(xiàng)目的成功和開源軟件的演化，項(xiàng)目與開發(fā)者之間的相互匹配是非常重要的.在開源社區(qū)中，我們能夠獲取到大量的開發(fā)者信息、項(xiàng)目信息以及開發(fā)者合作信息.利用這些信息能夠?yàn)殚_源項(xiàng)目推薦合適的開發(fā)者，也能為開發(fā)者推薦自己感興趣的項(xiàng)目.

為開發(fā)者推薦項(xiàng)目，其核心是開發(fā)者，需要在掌握開發(fā)者的偏好的基礎(chǔ)上，幫他來(lái)篩選其可能感興趣的項(xiàng)目.為項(xiàng)目推薦開發(fā)者，其出發(fā)點(diǎn)是項(xiàng)目的需求，一方面需要根據(jù)項(xiàng)目的需要找到那些能夠?yàn)轫?xiàng)目做貢獻(xiàn)的開發(fā)者，另一方面，也需要這些開發(fā)者確實(shí)對(duì)該項(xiàng)目具有一定的興趣.因此，兩者的共同之處在于開發(fā)者需要對(duì)此項(xiàng)目感興趣，愿意參加該項(xiàng)目，而不同之處在于，為項(xiàng)目推薦開發(fā)者需要更多的考慮項(xiàng)目中所欠缺的人員.

本節(jié)對(duì)現(xiàn)有的研究工作進(jìn)行了分類、歸納，將開源社區(qū)推薦模型分為項(xiàng)目推薦、開發(fā)者推薦，并對(duì)目前深度學(xué)習(xí)在此問(wèn)題上的應(yīng)用進(jìn)行單獨(dú)的總結(jié).

3.1 為開發(fā)者推薦項(xiàng)目

在開源社區(qū)中，超過(guò)50%的源代碼文件被重用[30].開發(fā)人員會(huì)搜索感興趣的項(xiàng)目，以便重用其功能或者為其做出貢獻(xiàn).加入不合適的項(xiàng)目不僅無(wú)助于個(gè)人的發(fā)展，也無(wú)助于開源項(xiàng)目本身的發(fā)展.因此，為開發(fā)者進(jìn)行主動(dòng)的項(xiàng)目推薦非常有必要.然而，由于項(xiàng)目數(shù)量極其龐大，而開發(fā)者的需求許多時(shí)候又是隱性的，因此，為開發(fā)者進(jìn)行項(xiàng)目推薦具有一定的挑戰(zhàn)性.

3.1.1 直接推薦相似項(xiàng)目的方法

為開發(fā)者推薦項(xiàng)目的直接想法就是為他推薦與他參與過(guò)的項(xiàng)目相似的項(xiàng)目.因此，這成為了不少方法的出發(fā)點(diǎn).

為了克服一些研究只使用了有限的信息，或者使用了項(xiàng)目中不可用的信息的問(wèn)題，文獻(xiàn)[31]分析了兩個(gè)未在以前的工作中考慮到的數(shù)據(jù)源(即項(xiàng)目stars和自述文件)，基于3種啟發(fā)式規(guī)則提出了一種能夠有效地檢測(cè)GitHub上相似項(xiàng)目的方法.這3種規(guī)則是：在短時(shí)間內(nèi)由相同用戶開始的項(xiàng)目可能彼此相似，由相似用戶參與的項(xiàng)目可能彼此相似，自述文件包含類似內(nèi)容的項(xiàng)目可能彼此相似.作者分別計(jì)算其相關(guān)性得分并進(jìn)行整合，構(gòu)建了一個(gè)名為RepoPal的推薦系統(tǒng)來(lái)檢測(cè)相似的項(xiàng)目.與文獻(xiàn)[31]的方法相近的是文獻(xiàn)[32]中提出的方法.文獻(xiàn)[32]創(chuàng)建了一種新的自動(dòng)檢測(cè)相關(guān)項(xiàng)目的方法，使用java api幫助用戶檢測(cè)給定Java項(xiàng)目的相似項(xiàng)目.他們?cè)?000多個(gè)Java應(yīng)用程序上進(jìn)行了評(píng)估，發(fā)現(xiàn)他們的方法比以前提出的技術(shù)具有更高的精度.

文獻(xiàn)[33]提出一種基于協(xié)同過(guò)濾的推薦技術(shù)來(lái)為GitHub用戶生成個(gè)性化的存儲(chǔ)庫(kù)推薦.用戶可將其作為新項(xiàng)目的靈感、特定項(xiàng)目的代替方案或自我學(xué)習(xí).文章首先依據(jù)是否給存儲(chǔ)庫(kù)評(píng)分，將用戶劃分為兩個(gè)群體，然后針對(duì)不同群體進(jìn)行算法測(cè)試.測(cè)試結(jié)果表明，給存儲(chǔ)庫(kù)評(píng)分的用戶做推薦是準(zhǔn)確率更高.

文獻(xiàn)[34]使用樸素貝葉斯模型，根據(jù)項(xiàng)目的描述信息利用文本分類來(lái)預(yù)測(cè)開發(fā)人員可能加入的項(xiàng)目：首先，將候選開發(fā)者過(guò)去參與的項(xiàng)目打上標(biāo)簽作為訓(xùn)練集，放入樸素貝葉斯分類器進(jìn)行訓(xùn)練，然后通過(guò)該分類器將待參與的項(xiàng)目進(jìn)行分類，分類結(jié)果為正例的即為開發(fā)者推薦的項(xiàng)目，該方法在實(shí)驗(yàn)數(shù)據(jù)集上的推薦準(zhǔn)確率約為30%.文獻(xiàn)[35]在文獻(xiàn)[34]的基礎(chǔ)之上，提出了一種半監(jiān)督文本分類方法，這種方法將開發(fā)人員與他們過(guò)去參與項(xiàng)目的對(duì)應(yīng)關(guān)系看作是訓(xùn)練集，并將樸素貝葉斯與期望最大化相結(jié)合，提高了推薦的性能.研究者利用Bugzilla數(shù)據(jù)集在Eclipse環(huán)境下進(jìn)行了評(píng)估，結(jié)果表明，使用監(jiān)督的樸素貝葉斯分類器的分類精度為11%-43%，與之相比，使用半監(jiān)督方法的分類精度提高了6%.

3.1.2 基于開發(fā)者行為獲取開發(fā)者對(duì)項(xiàng)目的興趣的方法

為了能夠給開發(fā)者推薦其感興趣的項(xiàng)目，需要獲取開發(fā)者的興趣.然而，開發(fā)者的興趣往往并不進(jìn)行顯式表達(dá).而用戶行為數(shù)據(jù)可以反映開發(fā)人員對(duì)軟件開發(fā)活動(dòng)的偏好和興趣.開源社區(qū)提供了各種功能來(lái)促進(jìn)開源項(xiàng)目的發(fā)展，如stars、fork和pull請(qǐng)求.當(dāng)使用這些功能時(shí)，會(huì)記錄大量的用戶行為數(shù)據(jù).

文獻(xiàn)[36]設(shè)計(jì)了一種基于用戶行為數(shù)據(jù)的方法，向開發(fā)人員推薦相關(guān)的開源項(xiàng)目.還有眾多文獻(xiàn)以開發(fā)者行為作為切入點(diǎn)[37-39]，它們不僅考慮用戶行為，還考慮項(xiàng)目特性，從而挖掘開發(fā)人員的興趣和經(jīng)驗(yàn)，從每個(gè)項(xiàng)目的描述文檔和源代碼中提取開發(fā)人員行為和特征，為GitHub的開發(fā)者自動(dòng)推薦前N個(gè)個(gè)性化的軟件項(xiàng)目.不同之處在于，文獻(xiàn)[37]集成了用戶反饋，并使用SA算法自動(dòng)優(yōu)化參數(shù)配置，以提高推薦的準(zhǔn)確性.最后通過(guò)對(duì)GitHub抓取的數(shù)據(jù)進(jìn)行實(shí)證研究，結(jié)果表明，該方法能夠以較高的精度向開發(fā)人員推薦相關(guān)的軟件項(xiàng)目.文獻(xiàn)[38，39]提出的REPERST模型是用MapReduce并行處理框架Apache Spark實(shí)現(xiàn)的，它可以擴(kuò)展到大量的用戶和項(xiàng)目中進(jìn)行實(shí)際使用.

文獻(xiàn)[40]通過(guò)構(gòu)建開發(fā)者協(xié)作圖的方式進(jìn)行網(wǎng)絡(luò)分析，并提出了一個(gè)使用鏈接預(yù)測(cè)的推薦系統(tǒng).其數(shù)據(jù)來(lái)源于GHTorrent網(wǎng)站上公開的GitHub事件.作者選擇前1000個(gè)提交數(shù)最多的原始項(xiàng)目(即未從另一個(gè)項(xiàng)目倉(cāng)庫(kù)派生出來(lái)，且仍處于活動(dòng)狀態(tài))和所有為這些頂級(jí)項(xiàng)目倉(cāng)庫(kù)做出貢獻(xiàn)的用戶.貢獻(xiàn)包括提交和合并請(qǐng)求.文獻(xiàn)[41]指出，將開發(fā)者的各種特征和項(xiàng)目語(yǔ)義關(guān)系靈活地結(jié)合，對(duì)于OSS生態(tài)系統(tǒng)中的相似性計(jì)算是非常有益的.作者提出CROSSSIM模型，使用圖表示法將開發(fā)人員社區(qū)與OSS項(xiàng)目、庫(kù)和各種構(gòu)件以及它們之間的交互作為一個(gè)整體來(lái)考慮，從而計(jì)算開源項(xiàng)目的相似性.

以上文獻(xiàn)均通過(guò)對(duì)Github中選定的數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)來(lái)探索這種方法的可能性.從用戶行為數(shù)據(jù)中挖掘項(xiàng)目相關(guān)性是一個(gè)很有前途的方向.

3.1.3 考慮開發(fā)者之間的關(guān)系

對(duì)于一個(gè)開發(fā)者，如果一個(gè)項(xiàng)目中存在具有一定聯(lián)系的其他開發(fā)者，則該項(xiàng)目也具有一定的吸引性[42].因此，一些方法中把開發(fā)者關(guān)系也進(jìn)行了利用.如文獻(xiàn)[43]提出一種預(yù)測(cè)開發(fā)人員的興趣向他們推薦項(xiàng)目的新方法RepoLike：一方面，探索開發(fā)人員的歷史開發(fā)活動(dòng)和與其他開發(fā)者的社會(huì)聯(lián)系，另一方面，挖掘項(xiàng)目的技術(shù)特性和它們之間的依賴關(guān)系，然后將這兩個(gè)方面結(jié)合起來(lái)向開發(fā)人員推薦項(xiàng)目.

3.2 為項(xiàng)目推薦開發(fā)者

開源項(xiàng)目有賴于開發(fā)者的積極參與，因此需要為項(xiàng)目確定潛在的開發(fā)者.

進(jìn)行開發(fā)者推薦需要深入研究開發(fā)者的興趣、社交關(guān)系等.為項(xiàng)目推薦開發(fā)者的特殊之處在于我們不僅需要考慮他們是否有興趣，而且需要考慮他們能否勝任這個(gè)項(xiàng)目的要求，甚至需要針對(duì)項(xiàng)目的不同任務(wù)的要求進(jìn)行更有針對(duì)性的推薦.

3.2.1 從相似項(xiàng)目中獲取開發(fā)者的推薦方法

為了推薦開發(fā)者，一個(gè)直觀的想法就是去尋找類似的項(xiàng)目，那些項(xiàng)目中的開發(fā)者應(yīng)該對(duì)本項(xiàng)目具有興趣，也具有相應(yīng)的能力.

每一個(gè)開源項(xiàng)目都有其特征，例如項(xiàng)目語(yǔ)言、項(xiàng)目背景等.對(duì)這些項(xiàng)目的特征進(jìn)行分類、建模，可以幫助開發(fā)者更快的選擇自己感興趣的項(xiàng)目.

文獻(xiàn)[44]提出了一種基于特征匹配的跨域開發(fā)者推薦算法.首先，研究者尋找與當(dāng)前目標(biāo)項(xiàng)目主題最相似的歷史項(xiàng)目.然后檢索了這些項(xiàng)目的開發(fā)人員.最后，我們將目標(biāo)項(xiàng)目的主題與檢索的開發(fā)人員進(jìn)行匹配，篩選出最相似的開發(fā)人員，以組成當(dāng)前任務(wù)的推薦開發(fā)人員集.為了驗(yàn)證所提算法的有效性，作者將該模型與各種先進(jìn)的開發(fā)人員推薦算法進(jìn)行比較.實(shí)驗(yàn)結(jié)果表明，該算法在不同的評(píng)價(jià)指標(biāo)上具有優(yōu)于以往算法的優(yōu)勢(shì).

文獻(xiàn)[45]提出了一種新的方法DevRec來(lái)自動(dòng)推薦開發(fā)人員.該方法基于兩種分析：基于項(xiàng)目的分析和基于開發(fā)人員的分析.基于項(xiàng)目的分析通過(guò)k近鄰搜索與新項(xiàng)目相似的老項(xiàng)目，為新項(xiàng)目推薦參與過(guò)老項(xiàng)目的開發(fā)者；在基于開發(fā)者的分析中，對(duì)開發(fā)人員以及之前參與過(guò)的項(xiàng)目進(jìn)行建模，計(jì)算開發(fā)者與新項(xiàng)目之間的術(shù)語(yǔ)、主題、組件和產(chǎn)品關(guān)聯(lián)度.將基于項(xiàng)目和基于開發(fā)者分析的分?jǐn)?shù)線性組合，得到最終的DevRec模型分?jǐn)?shù).

文獻(xiàn)[46]提出了一種基于主題模型的開發(fā)者推薦算法DRETOM(Developer Recommendation based on Topic Models).該方法選擇了潛在主題分布(LDA)從歷史項(xiàng)目中提取主題.它可以幫助我們分析開源社區(qū)中的新項(xiàng)目屬于哪些主題.如果開發(fā)人員參與的歷史項(xiàng)目與新項(xiàng)目屬于同一主題，我們可以認(rèn)定開發(fā)人員對(duì)此項(xiàng)目主題感興趣.基于從歷史項(xiàng)目中構(gòu)建的主題模型來(lái)模擬開發(fā)人員對(duì)錯(cuò)誤解決活動(dòng)的興趣和專業(yè)知識(shí).在Eclipse JDT和Mozilla Firefox項(xiàng)目上的實(shí)驗(yàn)結(jié)果表明，DRETOM在推薦的前5名和前7名開發(fā)者中的召回率分別達(dá)到82%和50%.

從相似項(xiàng)目中去尋找開發(fā)者的方法雖然比較直觀，但是一個(gè)開發(fā)者留在某一個(gè)項(xiàng)目中不僅是因?yàn)樵擁?xiàng)目的技術(shù)特性，還受到了社交關(guān)系等的影響.因此需要考慮開發(fā)者的關(guān)系.另一方面，開發(fā)者在參與項(xiàng)目中的行為、關(guān)系等體現(xiàn)了其積極度和能力的差異，在開發(fā)者推薦時(shí)我們需要盡量推薦那些態(tài)度積極、能力高的開發(fā)者.

3.2.2 基于合作關(guān)系進(jìn)行開發(fā)者推薦

在開源軟件社區(qū)中，項(xiàng)目是通過(guò)開發(fā)者之間的動(dòng)態(tài)協(xié)作來(lái)完成的.利用開發(fā)者的社交關(guān)系進(jìn)行推薦有兩個(gè)意義，一方面人們?cè)敢夂蛥f(xié)作過(guò)的開發(fā)者繼續(xù)協(xié)作；另一方面，通過(guò)合作關(guān)系也可以判斷哪些開發(fā)者在社區(qū)中具有重要的地位.

研究者利用開發(fā)者協(xié)作圖上的隨機(jī)游走模型探究了開發(fā)者之間的協(xié)作關(guān)系，該模型又被稱為開發(fā)者協(xié)作網(wǎng)絡(luò)[47-49].開發(fā)者協(xié)作網(wǎng)絡(luò)是使用以下規(guī)則構(gòu)造的：若兩名開發(fā)者都參與了同一項(xiàng)目，則在協(xié)作網(wǎng)絡(luò)中他們之間有一個(gè)鏈接，在同一個(gè)項(xiàng)目中工作的兩個(gè)開發(fā)人員被認(rèn)為具有共同的興趣和技能.

文獻(xiàn)[47]指出對(duì)于同一種數(shù)據(jù)資源中蘊(yùn)含的協(xié)作關(guān)系，具有不同的建立圖模型的方式，應(yīng)當(dāng)結(jié)合具體問(wèn)題探討協(xié)作圖的邊的方向性、權(quán)重的賦值方式等問(wèn)題.文獻(xiàn)[48]提出了一種基于k近鄰搜索的開發(fā)人員推薦方法DREX.DREX首先搜索k個(gè)與新項(xiàng)目類似的歷史項(xiàng)目文檔，并檢索出為這些歷史項(xiàng)目做出貢獻(xiàn)的開發(fā)人員；其次，DREX在這些開發(fā)者的協(xié)作圖上定義了中心度指標(biāo)來(lái)對(duì)開發(fā)者節(jié)點(diǎn)進(jìn)行度量；然后根據(jù)歷史項(xiàng)目中的參與記錄，采用度中心度、中間中心度和接近中心度3個(gè)指標(biāo)對(duì)開發(fā)人員的技能進(jìn)行排名.實(shí)驗(yàn)結(jié)果表明，當(dāng)為250個(gè)測(cè)試項(xiàng)目分別推薦10名開發(fā)人員時(shí)，DREX比傳統(tǒng)的多標(biāo)簽文本分類方法具有更好的性能.

文獻(xiàn)[49]通過(guò)構(gòu)建開發(fā)者協(xié)作圖，然后將帶有重啟動(dòng)的隨機(jī)游走模型建立在協(xié)作圖之上，完成開發(fā)者的全局性排名，實(shí)驗(yàn)結(jié)果表明利用該方法能夠識(shí)別社區(qū)中高貢獻(xiàn)度的開發(fā)者.在協(xié)作圖中，頂點(diǎn)的入度越大，說(shuō)明該開發(fā)者接收到其他開發(fā)者傳遞給他的任務(wù)越多，意味著該開發(fā)者解決問(wèn)題的能力越強(qiáng)，越有知名度.

基于協(xié)作網(wǎng)絡(luò)進(jìn)行推薦利用了開發(fā)人員、項(xiàng)目之間的復(fù)雜的關(guān)系.但是，該方法中缺乏對(duì)開發(fā)人員的技能的顯式 建模，可能造成重復(fù)推薦同一類人員.

3.2.3 基于專業(yè)知識(shí)的開發(fā)者推薦

在開源軟件項(xiàng)目開發(fā)中，越來(lái)越需要找到具有相關(guān)專業(yè)知識(shí)的開發(fā)人員.現(xiàn)有的開發(fā)者推薦系統(tǒng)大多依據(jù)更改代碼數(shù)量多少來(lái)衡量開發(fā)人員的能力.雖然該方法已經(jīng)取得成功，但想要更精準(zhǔn)的進(jìn)行開發(fā)者推薦需要分析開源項(xiàng)目的大量開發(fā)歷史記錄.

在文獻(xiàn)[50]中，引入了開發(fā)者專業(yè)知識(shí)的概念，它通過(guò)開發(fā)人員的特定行為對(duì)其專業(yè)知識(shí)進(jìn)行建模，如功能函數(shù)的使用及使用次數(shù)、代碼提交的頻率等.研究結(jié)果證明，利用專業(yè)知識(shí)作為開發(fā)者推薦的主要依據(jù)能有效提高推薦準(zhǔn)確度.文獻(xiàn)[51]同樣對(duì)開發(fā)人員的專業(yè)知識(shí)進(jìn)行了建模，提出了基于模糊集的自動(dòng)推薦技術(shù).該自動(dòng)推薦技術(shù)將不同的專業(yè)知識(shí)與其對(duì)應(yīng)的模糊集合結(jié)合起來(lái)，以找到最有能力的開發(fā)者.研究結(jié)果表明，利用模糊集表示專業(yè)知識(shí)進(jìn)行推薦比現(xiàn)有的方法具有更高的精度和時(shí)間效率.

文獻(xiàn)[52]提出了專業(yè)技能指標(biāo)和機(jī)能衰退指標(biāo)來(lái)評(píng)估開發(fā)者交互數(shù)據(jù)中的專業(yè)技能，指出開發(fā)者的專業(yè)技能水平是在時(shí)間上定義的，專業(yè)技能強(qiáng)的開發(fā)者與完成任務(wù)所需的時(shí)間應(yīng)該呈負(fù)相關(guān)，任務(wù)完成時(shí)間越久，開發(fā)者的專業(yè)技能會(huì)隨之衰退.作者首先計(jì)算開發(fā)者在代碼源文件上的原始專業(yè)技能度量，然后將專業(yè)技能值標(biāo)準(zhǔn)化為開發(fā)者在專業(yè)知識(shí)總和上的專業(yè)知識(shí)比率，從而使專業(yè)技能值介于0和1之間.在計(jì)算了開發(fā)人員在單個(gè)代碼源文件的專業(yè)知識(shí)后，需要對(duì)開發(fā)人員的綜合技能水平進(jìn)行計(jì)算：用開發(fā)者的專業(yè)技能指標(biāo)減去機(jī)能衰退指標(biāo)后，再除以代碼源文件的數(shù)量，最后對(duì)每項(xiàng)技能進(jìn)行加權(quán)平均，其中權(quán)重是某項(xiàng)技能在項(xiàng)目中出現(xiàn)的次數(shù)，這樣就得到了開發(fā)者的綜合技能評(píng)估指標(biāo)得分.研究顯示，開發(fā)者的綜合技能指標(biāo)得分越高，說(shuō)明該開發(fā)人員專業(yè)技能越強(qiáng)，能夠勝任項(xiàng)目開發(fā)的可能性越大.

3.2.4 針對(duì)特定任務(wù)的推薦

進(jìn)一步，一些研究考慮了針對(duì)項(xiàng)目中的特定任務(wù)進(jìn)行開發(fā)者推薦，例如，對(duì)bug報(bào)告修復(fù)者進(jìn)行推薦[53，54]、對(duì)Pull請(qǐng)求的評(píng)審者進(jìn)行推薦[55，56]、為項(xiàng)目推薦測(cè)試人員[57，58].

為了幫助開發(fā)人員解決bug報(bào)告，已經(jīng)提出了各種自動(dòng)化技術(shù)來(lái)識(shí)別和推薦開發(fā)人員處理新bug.目前有兩類bug指派人推薦技術(shù)，且都是單獨(dú)研究的，包括基于開發(fā)者先前活動(dòng)的推薦，以及根據(jù)bug的位置推薦合適的開發(fā)人員.文獻(xiàn)[53]提出了一個(gè)統(tǒng)一的模型，它將來(lái)自開發(fā)人員先前活動(dòng)的信息和可疑程序位置的信息以相似特征的形式組合在一起.對(duì)來(lái)自eclipsejdt、eclipseswt和ArgoUML項(xiàng)目的11000多個(gè)bug報(bào)告進(jìn)行了評(píng)估，實(shí)驗(yàn)表明該模型優(yōu)于先前的研究.文獻(xiàn)[54]中將主題模型和開發(fā)人員關(guān)系(如bug報(bào)告者和指派者)結(jié)合起來(lái)，捕捉開發(fā)人員對(duì)特定bug報(bào)告的興趣和經(jīng)驗(yàn)，從而推薦最合適的開發(fā)人員來(lái)修復(fù)bug.研究者使用3個(gè)大型開源項(xiàng)目(Eclipse、mozillafirefox和Netbeans)來(lái)評(píng)估該方法的性能.實(shí)驗(yàn)結(jié)果表明，該方法推薦的準(zhǔn)確性優(yōu)于其他推薦方法.

Pull Request(PR)是開源項(xiàng)目外部開發(fā)人員的主要貢獻(xiàn)方式.PR評(píng)審是開源軟件開發(fā)中保證項(xiàng)目質(zhì)量的重要環(huán)節(jié).推薦合適的PR評(píng)審員，可以提高PR評(píng)審的效率.然而，GitHub沒(méi)有一個(gè)自動(dòng)推薦PR的機(jī)制.文獻(xiàn)[55]提出了一種自動(dòng)推薦核心評(píng)審員的方法，它將PR主題模型與社交網(wǎng)絡(luò)中的開發(fā)者相結(jié)合.通過(guò)潛在Dirichlet分配從PR中提取PR主題，然后利用協(xié)作者和PR之間的連接構(gòu)建協(xié)作者-PR網(wǎng)絡(luò)，并計(jì)算每個(gè)協(xié)作者的影響.最后依據(jù)PR評(píng)審的歷史行為建立PR主題與協(xié)作者之間的關(guān)系.當(dāng)一個(gè)新的PR出現(xiàn)時(shí)，根據(jù)協(xié)作者的影響力以及新PR與合作者之間的關(guān)系，選擇一個(gè)合作者作為核心評(píng)審者.實(shí)驗(yàn)結(jié)果表明，該方法推薦精度優(yōu)于70%.為了支持評(píng)審員推薦，文獻(xiàn)[56]提出了一種自適應(yīng)的評(píng)審員排名模型來(lái)對(duì)一個(gè)請(qǐng)求中的所有評(píng)審員候選人進(jìn)行排序.排名模型利用多種特性來(lái)衡量拉取請(qǐng)求和評(píng)審者候選人之間的關(guān)系.利用學(xué)習(xí)排序技術(shù)，根據(jù)先前解決的拉取請(qǐng)求，自動(dòng)訓(xùn)練排序模型的權(quán)重參數(shù).其特征選擇實(shí)驗(yàn)表明，最重要的特征是統(tǒng)計(jì)請(qǐng)求者發(fā)送并由開發(fā)人員審閱的先前pull請(qǐng)求的數(shù)量.另一個(gè)重要特性是度量在拉取請(qǐng)求中，更改的文件與開發(fā)人員先前修改的文件之間的文件路徑相似性.

在項(xiàng)目開發(fā)過(guò)程中，由于缺乏有效的眾包測(cè)試員推薦方法，任務(wù)發(fā)布者往往直接從大量的申請(qǐng)者中選擇測(cè)試者.以此方式選擇的測(cè)試人員往往不能完成預(yù)期任務(wù)，因此為測(cè)試用例自動(dòng)化推薦測(cè)試人員很有必要.目前，將推薦系統(tǒng)應(yīng)用于軟件測(cè)試階段的人并不多.為了使推薦的測(cè)試人員與任務(wù)相匹配，文獻(xiàn)[57]提出了一種基于Top-K的測(cè)試員推薦算法.為了降低Top-K算法的時(shí)間復(fù)雜度，引入了類別.通過(guò)對(duì)測(cè)試任務(wù)進(jìn)行分類并計(jì)算各類別與測(cè)試員的匹配得分得到最適合該類別的測(cè)試員.在計(jì)算測(cè)試人員和特定類別的任務(wù)之間的相似性后，從選定的類別中推薦前K名最適合該任務(wù)的測(cè)試人員.實(shí)驗(yàn)表明，提出的Top-K-Worker算法可以大大提高測(cè)試人員與推薦任務(wù)的匹配度.文獻(xiàn)[58]開發(fā)了一個(gè)推薦系統(tǒng)，將測(cè)試用例分配給測(cè)試人員.該系統(tǒng)是使用Eclipse集成開發(fā)環(huán)境在Python中開發(fā)的.它提供了兩個(gè)好處，首先，它可以幫助測(cè)試經(jīng)理更快地分配測(cè)試用例.其次，它可以向新的測(cè)試經(jīng)理提供關(guān)于測(cè)試用例和測(cè)試人員詳細(xì)信息(包括以前分配的歷史記錄).測(cè)試任務(wù)與測(cè)試人員的匹配度決定了測(cè)試的效率和質(zhì)量，針對(duì)測(cè)試人員的推薦是軟件工程中重要的一步.

由于不同的任務(wù)具有不同的特性，挖掘開發(fā)者在特定任務(wù)背景下的特征并對(duì)其能力進(jìn)行衡量是比較困難的.因此，針對(duì)特定任務(wù)進(jìn)行開發(fā)者推薦是一個(gè)值得研究的方向.

3.3 基于深度學(xué)習(xí)的項(xiàng)目與開發(fā)者推薦

在項(xiàng)目推薦與開發(fā)者推薦的過(guò)程中，需要將項(xiàng)目信息及開發(fā)者信息映射到另一個(gè)維度，即將現(xiàn)實(shí)世界中的信息轉(zhuǎn)換成計(jì)算機(jī)和數(shù)學(xué)公式能夠處理的形式.深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)表示法能夠很好的抽取詞與詞之間的關(guān)系，應(yīng)用最廣泛的就是卷積神經(jīng)網(wǎng)絡(luò)提取和神經(jīng)網(wǎng)絡(luò)提取.隨著深度學(xué)習(xí)應(yīng)用的推廣，近年來(lái)，一些學(xué)者嘗試了基于深度學(xué)習(xí)模型的項(xiàng)目與開發(fā)者推薦方法.

基于卷積神經(jīng)網(wǎng)絡(luò)的推薦算法可緩解傳統(tǒng)推薦算法中面臨的冷啟動(dòng)問(wèn)題和數(shù)據(jù)稀疏性問(wèn)題，并提升推薦系統(tǒng)的性能.卷積神經(jīng)網(wǎng)絡(luò)在開發(fā)者推薦系統(tǒng)中有著廣泛的應(yīng)用[59-61].

文獻(xiàn)[59]提出了一個(gè)從開發(fā)者的評(píng)論中學(xué)習(xí)項(xiàng)目屬性和用戶行為的深度模型.該模型由兩個(gè)并行神經(jīng)網(wǎng)絡(luò)組成，稱為深度合作神經(jīng)網(wǎng)絡(luò)(DeepCoNN).其中一個(gè)網(wǎng)絡(luò)利用用戶編寫的評(píng)論來(lái)學(xué)習(xí)用戶偏好行為，另一個(gè)網(wǎng)絡(luò)則從該項(xiàng)目的評(píng)論中學(xué)習(xí)項(xiàng)目屬性，并在頂部引入一個(gè)共享層，將這兩個(gè)網(wǎng)絡(luò)連接在一起.實(shí)驗(yàn)結(jié)果表明，該模型具有較好的推薦性能.

當(dāng)數(shù)據(jù)集稀疏時(shí)，難以有效挖掘歷史項(xiàng)目中蘊(yùn)含的信息，因此，文獻(xiàn)[60]提出了推薦模型ConvMF，該模型將卷積神經(jīng)網(wǎng)絡(luò)(CNN)集成到概率矩陣分解(PMF)中，能夠精準(zhǔn)捕捉項(xiàng)目文檔的上下文信息，進(jìn)一步提高預(yù)測(cè)的準(zhǔn)確性，因此，即使數(shù)據(jù)極其稀少，ConvMF也能較好地預(yù)測(cè)和推薦.

文獻(xiàn)[61]提出了一個(gè)學(xué)習(xí)排序模型NNLRank(用于列表排序的神經(jīng)網(wǎng)絡(luò))來(lái)推薦開發(fā)人員可能貢獻(xiàn)的項(xiàng)目.NNLRank利用項(xiàng)目特性和開發(fā)人員的經(jīng)驗(yàn)來(lái)推薦項(xiàng)目，并利用了一個(gè)列表式損失函數(shù)，該函數(shù)旨在最小化預(yù)測(cè)項(xiàng)目列表和開發(fā)人員首選的基本真實(shí)列表之間的差異.實(shí)驗(yàn)結(jié)果表明，NNLRank能夠?yàn)殚_發(fā)者提供有效、高效的入職推薦，大大優(yōu)于以往的模型.

循環(huán)神經(jīng)網(wǎng)絡(luò)也被用于開發(fā)者推薦中以捕獲開發(fā)者的興趣變化.文獻(xiàn)[62]提出了一個(gè)統(tǒng)一的句子表示和文本分類模型C-LSTM，該模型結(jié)合了CNN和RNN兩種架構(gòu)的優(yōu)點(diǎn).利用CNN提取項(xiàng)目文檔中的關(guān)鍵詞，并貼上標(biāo)簽，然后將其輸入到LSTM中，得到開發(fā)者的技能專長(zhǎng)特征.實(shí)驗(yàn)結(jié)果表明，C-LSTM的性能優(yōu)于普通的CNN和LSTM，在開發(fā)者推薦的任務(wù)中取得了較好的性能.

深度學(xué)習(xí)模型在其他推薦領(lǐng)域的應(yīng)用已經(jīng)成為一個(gè)技術(shù)熱點(diǎn)，然而，該類模型在項(xiàng)目和開發(fā)者推薦中的應(yīng)用還不普遍，因此，還具有很大的發(fā)展空間.

4 數(shù)據(jù)集和評(píng)價(jià)指標(biāo)

4.1 數(shù)據(jù)集

目前，GitHub是最流行的源代碼存儲(chǔ)和共享平臺(tái)，它組織來(lái)自世界各地的開發(fā)者進(jìn)行代碼貢獻(xiàn).這一平臺(tái)提供一個(gè) 官方REST API，允許通過(guò)HTTP請(qǐng)求訪問(wèn)存儲(chǔ)在該平臺(tái)的項(xiàng)目信息，這有助于Github在軟件工程研究中的廣泛應(yīng)用.由于近年來(lái)研究者對(duì)Github產(chǎn)生了廣泛的研究興趣，一些從該平臺(tái)收集數(shù)據(jù)的其他平臺(tái)被建立，如Github archive和GHTorrent.這些平臺(tái)從Github收集數(shù)據(jù)，可對(duì)其進(jìn)行更深入的分析.

Github Rest API(1)https://developer.github.com/v3/可以對(duì)托管項(xiàng)目的數(shù)據(jù)進(jìn)行訪問(wèn)，是研究者獲取Github數(shù)據(jù)最流行的方式.這個(gè)API提供了有關(guān)存儲(chǔ)庫(kù)、用戶、問(wèn)題、拉取請(qǐng)求、評(píng)論信息等數(shù)據(jù)，并以JSON格式返回結(jié)果.

Github archive(2)https://www.gharchive.org/是為收集GitHub數(shù)據(jù)而創(chuàng)建的一個(gè)平臺(tái)，因此用戶可以輕松地檢索和使用這些數(shù)據(jù).該系統(tǒng)每小時(shí)收集一次Github事件，并可由HTTP客戶端下載.盡管GitHub Archive不提供關(guān)于存儲(chǔ)庫(kù)和用戶的直接數(shù)據(jù)，但它們可以通過(guò)Git事件獲得.

GHTorrent(3)https://ghtorrent.org/平臺(tái)提供GitHub數(shù)據(jù)的脫機(jī)鏡像，通過(guò)收集事件來(lái)檢索該鏡像.數(shù)據(jù)以結(jié)構(gòu)化和非結(jié)構(gòu)化格式存儲(chǔ)，結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在MySQL中，原始事件數(shù)據(jù)存儲(chǔ)在MongoDB中.

除了以Github(4)https://github.com/社區(qū)為研究對(duì)象獲取數(shù)據(jù)之外，研究者還以其他開源社區(qū)為研究對(duì)象獲取數(shù)據(jù)，如Sourceforge(5)https://sourceforge.net/、Rubyforge(6)https://rubygems.org/等獲取項(xiàng)目及開發(fā)者信息.

4.2 評(píng)價(jià)指標(biāo)

為了衡量開源軟件社區(qū)推薦算法的有效性，研究者們使用了流行的評(píng)估指標(biāo)，包括Top-N準(zhǔn)確率(Top-N Accuracy)、平均精度均值(MAP)、平均倒排序值(MRR)等.

1)Top-N準(zhǔn)確率(Top-N Accuracy)

推薦的準(zhǔn)確率是指推薦給結(jié)果中符合要求的結(jié)果所占的比例.一般來(lái)說(shuō)，推薦結(jié)果前若干項(xiàng)的準(zhǔn)確性比較重要，因此，需要Top-N準(zhǔn)確率這一指標(biāo)來(lái)度量前幾個(gè)結(jié)果的推薦精度.Top-N準(zhǔn)確率表示其對(duì)應(yīng)的真實(shí)項(xiàng)目(開發(fā)者)處于推薦列表前N名的概率，如果真實(shí)項(xiàng)目(開發(fā)者)在前N名，說(shuō)明推薦效果好，反之推薦效果差.計(jì)算Top-N準(zhǔn)確率如公式(1)所示：

(1)

上式中Nq為推薦項(xiàng)目(開發(fā)者)的總數(shù)，|Instancesuccess|為推薦成功的項(xiàng)目(開發(fā)者)個(gè)數(shù).

2)平均精度均值(MAP)

MAP評(píng)價(jià)指標(biāo)主要用于衡量推薦結(jié)果排序的好壞程度，它考慮了推薦結(jié)果中所有真實(shí)項(xiàng)目(開發(fā)者)的具體排名，排名越靠前，MAP值越高.假設(shè)需要向N個(gè)開發(fā)者推薦項(xiàng)目(N個(gè)待開發(fā)項(xiàng)目推薦開發(fā)者)，在計(jì)算MAP之前，需要先計(jì)算每個(gè)開發(fā)者(開發(fā)項(xiàng)目)的平均精度(AP)，AP值計(jì)算如公式(2)所示：

AP=predictioni×(change in recall)i

(2)

predictioni表示前i個(gè)推薦結(jié)果的正確率；(changeinrecall)i為二值項(xiàng)：當(dāng)?shù)趇個(gè)推薦結(jié)果正確時(shí)，值為1/N；否則為0.

MAP是所有開發(fā)者(開發(fā)項(xiàng)目)的AP的平均值，其計(jì)算如公式(3)所示：

(3)

3)平均倒排序值(MRR)

MRR是指將準(zhǔn)確推薦項(xiàng)在推薦系統(tǒng)給出結(jié)果的排序位置的倒數(shù)作為它的準(zhǔn)確度，再對(duì)所有的問(wèn)題求平均.MRR是對(duì)推薦結(jié)果進(jìn)行評(píng)價(jià)的常用指標(biāo)之一，它的定義如公式(4)所示：

(4)

上式中，Nq表示數(shù)據(jù)集中開發(fā)者(項(xiàng)目)的個(gè)數(shù)，Ri表示第i個(gè)開發(fā)者(項(xiàng)目)得到正確的推薦結(jié)果中第一次出現(xiàn)的排名位置，如果開發(fā)者(項(xiàng)目)的推薦結(jié)果中沒(méi)有出現(xiàn)正確答案則取0.根據(jù)上式的定義，可以看出MRR的值越大說(shuō)明推薦效果越好.

5 研究展望

5.1 挑戰(zhàn)

當(dāng)前軟件開發(fā)活動(dòng)分工高度細(xì)化，不同的項(xiàng)目需要不同的開發(fā)者，而開發(fā)者又需要加入適合自己的項(xiàng)目，因此對(duì)開發(fā)者更細(xì)致的特點(diǎn)進(jìn)行評(píng)價(jià)和度量很有必要.研究人員需要從軟件資源中提取能夠反映開發(fā)者細(xì)粒度技能的證據(jù)，并在此基礎(chǔ)上進(jìn)行建模.然而，目前還缺乏對(duì)開發(fā)者技能進(jìn)行詳細(xì)建模的框架和方法.

現(xiàn)有的研究中，研究者們大多只針對(duì)單一的開源社區(qū)中數(shù)據(jù)進(jìn)行項(xiàng)目及開發(fā)者推薦.目前流行的開源社區(qū)還有很多.一方面，這些社區(qū)的數(shù)據(jù)格式、類型定義、數(shù)據(jù)規(guī)模具有不一致性，另一方面，不同社區(qū)的信息是不同步的，因此整合信息時(shí)可能出現(xiàn)沖突.此外，開發(fā)者活動(dòng)記錄散布在多個(gè)社區(qū)之中，要想從多社區(qū)中全面挖掘開發(fā)者的活動(dòng)規(guī)律及個(gè)人專長(zhǎng)具有極大的挑戰(zhàn).

現(xiàn)有的開源生態(tài)相關(guān)推薦算法，特別是機(jī)器學(xué)習(xí)算法通過(guò)擬合開發(fā)者過(guò)去參與項(xiàng)目中的數(shù)據(jù)獲得其興趣.然而，開發(fā)中過(guò)去參加的項(xiàng)目并不一定就是他最感興趣的，由于開發(fā)者的注意力有限，有可能有些項(xiàng)目被他所忽略，所以他參加的項(xiàng)目只是在他有限的范圍內(nèi)的一個(gè)選擇，過(guò)度擬合過(guò)去的項(xiàng)目可能難以反映開發(fā)者的真正偏好.

另外，開源社區(qū)中可能會(huì)出現(xiàn)新型項(xiàng)目，例如新的編程語(yǔ)言，新的應(yīng)用類型等，由于這些項(xiàng)目中缺乏歷史數(shù)據(jù)，這將對(duì)開發(fā)者推薦帶來(lái)更大的挑戰(zhàn).

5.2 未來(lái)研究方向

從上面的討論可以看到，目前對(duì)于開源生態(tài)的相關(guān)推薦仍存在著諸多挑戰(zhàn).在未來(lái)必將會(huì)有更多、更廣泛的嘗試，可能的研究方向包括但不限于：

1)基于開發(fā)者全面畫像的推薦：正如我們?cè)诘?節(jié)中所分析，開發(fā)者參與項(xiàng)目的意愿以及其在項(xiàng)目中的表現(xiàn)和貢獻(xiàn)涉及到眾多的因素，現(xiàn)有的推薦算法考慮得不夠全面.在未來(lái)研究中，可以進(jìn)一步擴(kuò)展考慮的因素，對(duì)開發(fā)者進(jìn)行全面的刻畫，從而能夠進(jìn)行更有針對(duì)性的推薦.另一方面，開發(fā)者的興趣愛(ài)好是發(fā)生變化的.在開源社區(qū)中，不同的開發(fā)者參與開源社區(qū)的動(dòng)機(jī)是不同的，因此，需要從不同開發(fā)者的動(dòng)機(jī)出發(fā)，對(duì)其當(dāng)前的興趣愛(ài)好進(jìn)行預(yù)測(cè)，從而能夠推薦其感興趣的項(xiàng)目.

2)由于有過(guò)合作經(jīng)驗(yàn)的開發(fā)者彼此更加熟悉，在開發(fā)過(guò)程中的開發(fā)效率更高.目前的開發(fā)者推薦都是考慮個(gè)體開發(fā)的推薦問(wèn)題.我們可以在開源社區(qū)中挖掘已經(jīng)經(jīng)過(guò)配合的開發(fā)團(tuán)隊(duì)，從而能夠?yàn)橐粋€(gè)項(xiàng)目推薦配合默契的團(tuán)隊(duì).

3)面向特定任務(wù)的推薦：現(xiàn)有的開發(fā)者推薦面向的是整個(gè)項(xiàng)目，然而項(xiàng)目中需要不同角色的配合.我們?cè)谀承﹫?chǎng)景下可能需要針對(duì)項(xiàng)目中的某一模塊，甚至某一Pull請(qǐng)求的評(píng)審來(lái)尋找特定的開發(fā)者.面向特定任務(wù)的推薦涉及到對(duì)任務(wù)的詳細(xì)描述和對(duì)開發(fā)者技能的進(jìn)一步刻畫.

4)進(jìn)一步應(yīng)用深度學(xué)習(xí)的最新成果.通過(guò)利用深度學(xué)習(xí)模型融合廣泛的多源異構(gòu)數(shù)據(jù)，能夠?qū)W習(xí)到更加抽象、更加稠密的用戶和項(xiàng)目的深層次表示，同時(shí)采用深層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建預(yù)測(cè)模型也能夠更好地抓住用戶和項(xiàng)目之間交互的非線性結(jié)構(gòu)特征.目前深度學(xué)習(xí)領(lǐng)域發(fā)展非常迅速，各種新的方法、新的模型也不斷出現(xiàn)，新的Word嵌入網(wǎng)絡(luò)、注意力機(jī)制，可解釋深度學(xué)習(xí)等都值得應(yīng)用到該問(wèn)題中去.

6 總 結(jié)

互聯(lián)網(wǎng)的快速發(fā)展使得開源軟件社區(qū)進(jìn)入了蓬勃發(fā)展的階段.經(jīng)過(guò)較長(zhǎng)時(shí)間的發(fā)展，開源社區(qū)中積累了豐富的數(shù)據(jù)，這為軟件工程領(lǐng)域的研究者認(rèn)識(shí)相關(guān)現(xiàn)象與規(guī)律、優(yōu)化軟件開發(fā)過(guò)程奠定了基礎(chǔ).開發(fā)者是軟件開發(fā)中最基本的要素之一.本文先對(duì)開發(fā)者行為的相關(guān)研究進(jìn)行總結(jié)，包括其加入/離開項(xiàng)目時(shí)考慮的因素、合作情況、貢獻(xiàn)方式以及能力的衡量.然后對(duì)開源生態(tài)中的項(xiàng)目推薦與開發(fā)者推薦方法分別進(jìn)行總結(jié).最后，本文對(duì)研究中面臨的挑戰(zhàn)和未來(lái)的研究方向進(jìn)行了展望.