[发明专利]基于开源软件包依赖特征的标签推荐方法、装置及系统

说明书

本发明公开了一种基于开源软件包依赖特征的标签推荐方法、装置及系统，该方法包括：从软件的README描述文本中提取长度固定的主题分布特征向量；提取软件依赖包的标签信息，并输出为长度固定的标签独热向量；利用神经网络对特征的整合能力，将主题分布特征向量和标签独热向量拼接组合成开源软件的特征向量，将开源软件的特征向量作为输入特征，建立基于神经网络的标签预测模型，输出预测的软件标签分布分数；根据软件标签及其对应的软件标签分布分数，通过机器学习方法，按照软件标签分布分数的数值大小将软件标签降序排列后，对开源软件的标签进行推荐或对开源软件自动加标签。本发明引入包依赖信息，构建开源软件特征提取模型，利用神经网络预测标签，性能表现良好。

技术领域

本发明涉及开源软件社区领域，尤其涉及基于开源软件包依赖特征的标签推荐方法、装置及系统。

背景技术

开源软件社区使得更多开发者能便捷地参与开源项目并为开源项目做出贡献，因此，开源软件社区极大地推动了开源软件的应用与发展。日益增多的开源项目与用户，使得在开源社区中准确快速地检索所需的开源软件变得更加困难。

GitHub、StackOverFlow以及FreeCode等开源软件社区开始通过标签（Tag）来标记开源软件功能或特征，帮助用户精确检索开源软件。然而当前GitHub开源软件社区只能由开发者手工给开源软件加标签，而大量的开源软件在开发者发布时并没有加入标签，导致通过标签准确查找开源软件的效率不高。

因此，设计实现一个开源软件标签推荐系统能够有效地解决上述问题，一方面为软件开发者在上传开源软件时推荐或标注符合其特征的标签，另一方面帮助用户在检索开源软件时找到满足需求却没有打标签的软件。

发明内容

本发明提供了一种基于开源软件包依赖特征的标签推荐方法、装置及系统，用以解决在开源社区中准确快速地检索所需的开源软件很困难的技术问题。

为解决上述技术问题，本发明提出的技术方案为：

一种基于开源软件包依赖特征的标签推荐方法，包括以下步骤：

从软件的README描述文本中提取长度固定的主题分布特征向量；

提取软件依赖包的标签信息，并输出为长度固定的标签独热向量；

利用神经网络对特征的整合能力，将主题分布特征向量和标签独热向量拼接组合成开源软件的特征向量，将开源软件的特征向量作为输入特征，建立基于神经网络的标签预测模型，输出预测的软件标签分布分数；

根据软件标签及其对应的软件标签分布分数，通过机器学习方法，按照软件标签分布分数的数值大小将软件标签降序排列后，对开源软件进行标签推荐或对开源软件自动加标签。

优选地，从软件的README描述文本中提取长度固定的主题分布特征向量，包括以下步骤：

用LDA模型从软件的README描述文本中抽取README软件描述的主题信息向量，LDA模型的输入是README描述文本和给定的主题数目，LDA模型的输出是每个README文档的主题分布特征向量。

优选地，提取软件依赖包的标签信息，并输出为长度固定的标签独热向量，包括以下步骤：

将开源软件的依赖包的标签作为软件的一部分描述特征，利用独热编码对依赖包的标签进行编码得到标签独热编码，将软件的依赖特征（标签独热编码）表示为一个向量[t1, t2, t3…,tn]，其中向量中的每一位代表一个标签；

对于一个开源软件，重复以上步骤，得出开源软件的依赖包及各个依赖包的标签独热编码，对标签独热编码进行按位或运算，输出软件的依赖包的所有标签独热向量。