開(kāi)源軟件熱度分析系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的蓬勃發(fā)展，基于 Web的開(kāi)源社區(qū)逐漸成為了開(kāi)源軟件的數(shù)據(jù)存儲(chǔ)中心，這些數(shù)據(jù)對(duì)開(kāi)源軟件的研究具有重大的意義[1]。開(kāi)源軟件的出現(xiàn)為軟件開(kāi)發(fā)者提供了大量的相對(duì)可靠的可利用資源，降低了重復(fù)性工作，讓開(kāi)發(fā)者將更多的精力投入到軟件核心技術(shù)研究上面[2]。然而，由于開(kāi)源社區(qū)數(shù)據(jù)規(guī)模巨大、入門門檻低等原因，導(dǎo)致了很多開(kāi)源社區(qū)中開(kāi)源軟件質(zhì)量良莠不齊，用戶想要選擇一款好的開(kāi)源軟件顯得十分困難。于是，實(shí)現(xiàn)一個(gè)綜合、可靠的開(kāi)源軟件評(píng)價(jià)機(jī)制就成了當(dāng)

2、務(wù)之急。
　　慶幸的是，開(kāi)源軟件的發(fā)展使得開(kāi)源社區(qū)中積累了大量軟件開(kāi)發(fā)數(shù)據(jù)，這些數(shù)據(jù)包括版本提交信息、用戶使用數(shù)量、代碼提交次數(shù)等等，這些信息幾乎記錄了軟件開(kāi)發(fā)過(guò)程中的全部活動(dòng)，成為寶貴的歷史數(shù)據(jù)。此外，以開(kāi)源軟件相關(guān)技術(shù)論壇為代表的知識(shí)共享社區(qū)中含有大量有關(guān)開(kāi)源軟件討論的帖子。這些帖子中含有用戶對(duì)開(kāi)源軟件多方面的討論信息，某種程度上這些信息能夠直接或間接反映開(kāi)源軟件的質(zhì)量。因此，如果我們能將開(kāi)源軟件的開(kāi)發(fā)數(shù)據(jù)與知識(shí)共享社區(qū)中軟件

3、的討論信息進(jìn)行關(guān)聯(lián)，實(shí)現(xiàn)開(kāi)源軟件熱度的綜合評(píng)價(jià)，這將是一件很有意義的事情?；谝陨戏治?，本文研究?jī)?nèi)容主要包括：
　　1.協(xié)同開(kāi)發(fā)社區(qū)及知識(shí)共享社區(qū)數(shù)據(jù)的采集。通過(guò)對(duì)網(wǎng)絡(luò)爬蟲(chóng)Heritrix進(jìn)行擴(kuò)展，開(kāi)發(fā)了一個(gè)高效的聚焦網(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)，實(shí)現(xiàn)社區(qū)數(shù)據(jù)的準(zhǔn)確抓取。
　　2.開(kāi)源軟件與社區(qū)文檔關(guān)聯(lián)關(guān)系挖掘算法的研究。解決數(shù)據(jù)單一性問(wèn)題，為多角度評(píng)價(jià)開(kāi)源軟件熱度作準(zhǔn)備。
　　3.開(kāi)源軟件熱度評(píng)價(jià)機(jī)制的研究。通過(guò)各方面數(shù)據(jù)，實(shí)現(xiàn)開(kāi)源