基于多开发者社区的用户推荐算法

• 作者: 印莹 张斌 时宇岑 王国仁 赵宇海
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 多开发者社区 重启随机游走 Taxonomy 协同过滤 推荐系统
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 智能化软件新技术专刊
• 页码范围: 1561-1574
• 页数: 14页
• 分类号: TP311
• 字数: 11842字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005733

摘要

随着互联网技术的迅猛发展,基于开发者社区的提问-回答经验交流方式已成为众多开发人员解决软件开发、维护过程中所遇问题的重要手段之一.如何为开发者社区中的提问者及时、准确地推荐问题回答者,是具有实际需求的重要问题.通过对Stack Overflow和Github两个具有代表性的主流开发者社区相关数据的收集和分析,观察到影响上述问题推荐准确性和反馈及时性的3个现象:(1)用户标签自定现象,即开发者社区中,用户的标签信息是由用户自己主观定义所得,而非系统根据用户的历史行为客观标定;(2)不对称活跃现象,即用户可能在某个或某些开发者社区中活跃,但在其他社区中并不具有同等活跃程度,甚至不活跃;(3)关键词集封闭现象,即开发者社区中的问题回答者推荐仅依据问题文本中的关键词,而未考虑其他语义相关的关键词.针对以上问题,融合开发者社区的用户信息,通过分析用户与用户之间的互动行为,建立跨社区的开发者网络,并提出一种基于重启随机游走的算法更新用户标签.进一步地,通过使用Taxonomy来扩充问题的查询关键词范围,在此基础上,协同用户矩阵进行更加准确的推荐,并增大了推荐时有效用户的范围.收集的实验数据包括170万个有效主题、累计40万用户以及117个标签.实验结果证实,所提出的算法具有较好的F-measure和NDCG度量.特别是在冷门标签的推荐中,与未采用该方法的推荐算法相比,基于NDCG度量的推荐准确率至少可提高2倍,部分甚至可高达4倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张斌	东北大学计算机科学与工程学院	203	1801	20.0	33.0
2	印莹	东北大学计算机科学与工程学院	26	77	5.0	8.0
3	赵宇海	东北大学计算机科学与工程学院	30	40	4.0	5.0
4	王国仁	北京理工大学计算机学院	18	29	3.0	5.0
5	时宇岑	东北大学计算机科学与工程学院	1	1	1.0	1.0