【技术实现步骤摘要】
本专利技术属于软件工程、深度学习和推荐系统交叉，具体涉及一种面向开源软件项目的开发者社群划分以及项目推荐方法，为基于异构数据建模与动态社群划分的开源软件开发者协作网络分析及项目推荐，尤其适用于github开源平台中开发者社群的智能识别与个性化项目推荐场景。
技术介绍
1、在开源软件开发生态中，开发者通过代码提交、问题协作等行为形成复杂的协作网络。准确划分开发者社群并实现精准项目推荐，对促进技术共享、优化开发资源配置具有重要意义。
2、社群划分方面，现有方法主要基于静态特征进行相似度计算，存在两方面局限性：其一，传统协同过滤方法忽略开发者行为时序特征与多跳交互关系，导致社群划分粒度粗糙；其二，现有图神经网络模型在处理异构元路径时，未能有效区分不同交互行为的重要性。推荐系统方面，当前主流方案如基于矩阵分解的推荐系统，仅利用用户-项目二元关系，无法建模开发者通过提交记录形成的间接关联；而基于元路径的图嵌入方法虽能捕获多跳语义，但固定权重分配机制难以适应多样化协作模式。此外，传统聚类算法需预设社区数量，无法适应开源社区规模动态变化的...
【技术保护点】
1.一种面向开源软件项目的开发者社群划分以及项目推荐方法，其特征在于，所述面向开源软件项目的开发者社群划分以及项目推荐方法，包括：
2.根据权利要求1所述的面向开源软件项目的开发者社群划分以及项目推荐方法，其特征在于，所述抽取开源软件项目的项目数据、commit记录数据和用户数据，包括：
3.根据权利要求2所述的面向开源软件项目的开发者社群划分以及项目推荐方法，其特征在于，所述对抽取的项目数据、commit记录数据和用户数据进行清洗和标准化处理，包括：
4.根据权利要求1所述的面向开源软件项目的开发者社群划分以及项目推荐方法，其特征...
【技术特征摘要】
1.一种面向开源软件项目的开发者社群划分以及项目推荐方法，其特征在于，所述面向开源软件项目的开发者社群划分以及项目推荐方法，包括：
2.根据权利要求1所述的面向开源软件项目的开发者社群划分以及项目推荐方法，其特征在于，所述抽取开源软件项目的项目数据、commit记录数据和用户数据，包括：
3.根据权利要求2所述的面向开源软件项目的开发者社群划分以及项目推荐方法，其特征在于，所述对抽取的项目数据、commit记录数据和用户数据进行清洗和标准化处理，包括：
4.根据权利要求1所述的面向开源软件项目的开发者社群划分以及项目推荐方法，其特征在于，所述根据commit记录数据的标题内容，将commit记录数据划分为修改文档提交、修改bug提交和功能性提交这三种提交类别，包括：
5.根据权利要求1所述的面向开源软件项目的开发者社群划分以及项目推荐方法，其特征在于，所述基于三种提交类别的commit记录数据计算由用户数...
【专利技术属性】
技术研发人员：陈铁明，徐茂桓，朱志凌，宋琪杰，顾国民，朱添田，吕明琪，刘承威，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。