基于領(lǐng)域知識的開源軟件標(biāo)簽層次自動構(gòu)建與系統(tǒng)實(shí)現(xiàn).pdf

1、隨著軟件開發(fā)技術(shù)的發(fā)展，軟件復(fù)用技術(shù)逐步成為提高軟件開發(fā)質(zhì)量和效率的非常重要的方法。同時，開源運(yùn)動的蓬勃發(fā)展使得開源軟件數(shù)量呈爆炸式增長，為軟件復(fù)用帶來了豐富的資源，但如何有效地組織開源軟件并實(shí)現(xiàn)軟件的準(zhǔn)確、高效定位成為一個難題。層次化分類對于解決海量資源的管理和定位問題具有很好的效果。但作為層次化分類的重要元素，已有的分類層次已經(jīng)難以適應(yīng)開源的發(fā)展。目前分類層次構(gòu)建工作已經(jīng)分別從人工和自動化兩個方向展開，前者分類層次質(zhì)量高、代價大，后

2、者構(gòu)建速度快、代價小、質(zhì)量低，當(dāng)前實(shí)際場景中以人工分類層次為主。然而當(dāng)前已有的人工構(gòu)建的分類層次已經(jīng)難以適應(yīng)開源軟件增長速度。本文圍繞開源軟件標(biāo)簽層次構(gòu)建和基于領(lǐng)域知識的分類層次優(yōu)化這兩個問題展開研究。
　　一些開源社區(qū)采用標(biāo)簽機(jī)制實(shí)現(xiàn)對軟件資源你的管理和檢索，但限制于標(biāo)簽的扁平化結(jié)構(gòu)，標(biāo)簽中隱含的信息難以展現(xiàn)。標(biāo)簽間的同現(xiàn)關(guān)系蘊(yùn)含著豐富的標(biāo)簽關(guān)系信息以及標(biāo)簽重要性信息，對于構(gòu)建標(biāo)簽層次具有非常重要的利用價值。本文從標(biāo)簽同現(xiàn)關(guān)系入

3、手，構(gòu)造標(biāo)簽同現(xiàn)網(wǎng)絡(luò)，據(jù)此網(wǎng)絡(luò)度量最重要的標(biāo)簽的廣義度與重要性，從而構(gòu)建出開源軟件標(biāo)簽層次。我們采用Openhub中的近19萬個項目的近2萬個標(biāo)簽進(jìn)行實(shí)驗，構(gòu)造出了高質(zhì)量的DAG形式的標(biāo)簽層次，與已有工作相比，提高了自動化構(gòu)建分類層次的質(zhì)量，為軟件分類工作提供了良好的基礎(chǔ)。
　　人工構(gòu)建的分類層次已經(jīng)在一些社區(qū)中廣泛使用，幫助緩解軟件管理和定位危機(jī)。但是由于人工構(gòu)建方式代價大、起點(diǎn)高、難以重構(gòu)等特點(diǎn)，已經(jīng)難以適應(yīng)開源軟件發(fā)展速度。

4、由此而產(chǎn)生的自動化分類層次構(gòu)建方法已經(jīng)取得了一些研究成果，然而由于數(shù)據(jù)的噪聲以及自動化方式本身難以理解概念等缺點(diǎn)，構(gòu)建出的分類層次差強(qiáng)人意。兩種構(gòu)建方法分別具有各自的優(yōu)缺點(diǎn)，并且它們可以形成優(yōu)點(diǎn)互補(bǔ)。因此，本文基于人工構(gòu)建的領(lǐng)域知識入手，研究融合兩種方式的方法，進(jìn)而利用領(lǐng)域知識實(shí)現(xiàn)對自動化構(gòu)建的分類層次進(jìn)行優(yōu)化，以較高地效率進(jìn)一步提高分類層次質(zhì)量，推進(jìn)自動化構(gòu)建分類層次的應(yīng)用工作。我們采用已有的Sourceforge中的分類層次，對上一