基于監(jiān)督學(xué)習(xí)的開(kāi)源平臺(tái)軟件開(kāi)發(fā)行為研究.pdf

1、自二十世紀(jì)末以來(lái)，蓬勃發(fā)展的開(kāi)源軟件正在逐步挑戰(zhàn)著傳統(tǒng)專(zhuān)有軟件占主導(dǎo)地位的軟件產(chǎn)業(yè)格局，逐漸增多的開(kāi)源軟件的出現(xiàn)對(duì)軟件產(chǎn)業(yè)的市場(chǎng)結(jié)構(gòu)產(chǎn)生了巨大的影響。分布式開(kāi)發(fā)模型也在隨著開(kāi)源軟件開(kāi)發(fā)需求的轉(zhuǎn)變而逐步發(fā)展，而基于拖拽式的分布式開(kāi)發(fā)模型的出現(xiàn)引領(lǐng)了一種新的關(guān)于分布式軟件開(kāi)發(fā)模式的發(fā)展方向。對(duì)開(kāi)源開(kāi)發(fā)中的開(kāi)發(fā)行為特征的研究是軟件演化領(lǐng)域的研究熱點(diǎn)，可以幫助開(kāi)發(fā)者更深刻地理解軟件演化進(jìn)程中的規(guī)律，從而改進(jìn)現(xiàn)存的軟件開(kāi)發(fā)過(guò)程。隨著越來(lái)越多的開(kāi)發(fā)

2、人員參與到開(kāi)源軟件開(kāi)發(fā)中，一些代碼托管平臺(tái)，例如GitHub和BitBucket，逐步開(kāi)始為分布式軟件開(kāi)發(fā)提供相應(yīng)的支持。在對(duì)GitHub上的開(kāi)發(fā)行為進(jìn)行分析時(shí)，需要對(duì)海量的關(guān)系松散的數(shù)據(jù)進(jìn)行處理，而想要獲得其中的深度價(jià)值往往需要通過(guò)包括機(jī)器學(xué)習(xí)等智能化復(fù)雜分析。
　　本文對(duì)掛載在GitHub上的使用基于拖拽式開(kāi)發(fā)模式的開(kāi)源項(xiàng)目進(jìn)行分析，發(fā)掘出在該模式下開(kāi)發(fā)流程周轉(zhuǎn)、外部貢獻(xiàn)接納以及處理外部貢獻(xiàn)的時(shí)間等規(guī)律。分析開(kāi)發(fā)人員的開(kāi)發(fā)動(dòng)作

3、行為，并且根據(jù)不同的開(kāi)發(fā)行為特征對(duì)貢獻(xiàn)最后能否被接納的影響力大小去構(gòu)建預(yù)測(cè)模型，來(lái)預(yù)測(cè)一個(gè)外部貢獻(xiàn)能否最終被采納。在對(duì)行為特征進(jìn)行提取時(shí)，考慮加入基于歷史記錄的行為特征，對(duì)構(gòu)建預(yù)測(cè)模型所需的特征集合進(jìn)行了有效的補(bǔ)充。本文構(gòu)建的預(yù)測(cè)模型要解決的是對(duì)拖拽式請(qǐng)求的最終狀態(tài)進(jìn)行分類(lèi)的問(wèn)題，將采用適用大規(guī)模數(shù)據(jù)監(jiān)督學(xué)習(xí)算法（支持向量機(jī)）來(lái)實(shí)現(xiàn)大規(guī)模數(shù)據(jù)的分類(lèi)。本文將會(huì)對(duì)所選取的預(yù)測(cè)模型的表現(xiàn)進(jìn)行對(duì)比，在選擇合適的預(yù)測(cè)模型上進(jìn)行研究，并將針對(duì)現(xiàn)存的

4、SVM算法，在核函數(shù)參數(shù)優(yōu)化的過(guò)程中存在著計(jì)算量過(guò)大，學(xué)習(xí)性能以及識(shí)別率不夠高等問(wèn)題加以改進(jìn)，最后對(duì)預(yù)測(cè)模型對(duì)于數(shù)據(jù)擬合化的探討。
　　本文的創(chuàng)新研究?jī)?nèi)容如下:
　　1.研究開(kāi)源系統(tǒng)中拖拽式請(qǐng)求的接受策略，本文通過(guò)對(duì)機(jī)器學(xué)習(xí)常見(jiàn)算法分類(lèi)器對(duì)GitHub海量數(shù)據(jù)特征值進(jìn)行選取和分類(lèi)，由于考慮到了測(cè)試部分與基于歷史數(shù)據(jù)的行為特征，在特征集合中引入測(cè)試覆蓋、人員歷史成功提交請(qǐng)求率以及項(xiàng)目歷史成功接納請(qǐng)求率因素，對(duì)特征值集進(jìn)行有效擴(kuò)