开源社区中Issue解决过程的参与者推荐方法

开源社区中的问题跟踪系统是加快问题解决、促进项目开发进程的重要工具.在像Github这样的社交编码社区中,由于每个人都可以在问题跟踪系统中提交问题(Issue),提交的问题涉及到软件开发项目中的错误、任务组织以及新的需求,因此在开源社区中问题解决过程扮演着重要的角色,而这个过程非常耗时.因此,为新发起的issue解决过程寻找和推荐合适的参与者成为一项至关重要的任务.目前,问答系统中回答者推荐主要采用了问题相似度来推荐回答者,然而开源社区中开发者是否参与某一问题讨论还受到了其他因素的影响;还有一些研究工作针对的是Pull-Request的评价者推荐,并不能适用于Issue解决过程.在本文中,我们首先根据开发者参与过的问题特征构建开发者画像,然后用熵值法对开发者画像进行特征偏好权重计算,结合信息检索和评论网络进行混合推荐.结果表明,我们的混合模型与其他方法相比有更好的性能.

开源社区问题解决过程人员参与积极性的影响因素分析

在现代开源软件项目的组织中,经常采用问题库来跟踪和讨论软件开发项目中的错误、任务组织以及新的需求.每个人都可以在问题库中提交问题,某些开发人员则自愿或者被邀请对该问题进行讨论和回答,显然,开发人员的积极参与对于问题解决至关重要.然而,目前为止,对开发人员在问题解决过程中的参与积极性究竟受到了什么因素的影响还没有进行过系统的研究.因此,文章在开源社区Github上选取了23个项目共57,244个问题进行了研究,其中10个为流行度高的项目,13个为问题具有标签的项目.运用关联规则挖掘的方法,对问题解决过程影响参与者积极性的多个潜在影响因素进行了分析,得出了有意义的结论.这些结论为指派问题回答人员或者开发自动推荐回答人员的工具提供了有益的参考.

基于问题类别自动分类的参与者推荐

在开源社区中,参与者积极参加问题解决过程对于推进开源社区的发展具有积极意义.在本文中,我们选择了部分Github流行仓库中的18215个问题,根据ISO/IEC 14764规范并将问题分为纠正性、适应性、完善性或预防性维护,然后使用了深度学习模型对问题的类型进行了分类,并分析问题类型对开发人员参与评论问题积极性的影响,我们的分析表明,部分开发人员对问题类型具有敏感性,即他们更偏向于参与特定类型的问题解决过程.基于此认识,我们提出了一个对问题进行自动分类的参与者推荐方法.在该方法中,利用了Atten-3CNN深度学习模型进行问题分类,达到了较高的准确度.在问题分类的基础上,我们构建了开发者的问题偏好模型,并计算问题与开发者的匹配程度从而实现回答者推荐.在实际数据上的实验结果表明,加入问题类别到问题特征向量后,显著提高了问题类型敏感人群参与问题推荐效果.

水务行业智慧化建设实践与展望

目前,整个水务行业呈现智慧化趋势,2018年达到80多亿元的规模,而且每年大概百分之二十几的速度在进行递增。首创股份作为行业先行者之一,在整个智慧水务也有建设方面的心得和实践。首创股份在智慧水务方面做了这样几个分类,基本上把整个跟水相关的行业也进行了相应的分类,包括供水、排水、水环境、海绵城市、村屋以及管网等相关的业态。

柏林和汉堡成为德国大学新生求学首选地

据德国联邦数据统计局数据显示,2017-2018学年,在吸纳大学新生方面,德国共有10个联邦州的上升趋势明显。这些联邦州成为大学新生人口净流入地区。大学新生首选的求学地为柏林(约增4100人)和汉堡(约增3800人),其次是黑森州(约增2300人)和萨克森州(约增2100人)。