一种结合显式特征和隐式特征的开发者混合推荐算法

• 作者: 于旭 何亚东 杜军威 王昭哲 江峰 巩敦卫
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 软件众包开发 开发者推荐 混合推荐算法 冷启动难题 多层感知器融合模型 因子分解机
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 领域软件工程专题|SPECIAL TOPIC ON DOMAIN-SPECIFIC SOFTWARE ENGINEERING
• 页码范围: 1635-1651
• 页数: 17页
• 分类号: TP311
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.006553

摘要

现有开发者推荐算法通过对任务和开发者的显式信息进行挖掘, 抽取任务和开发者的显式特征, 完成针对任务的开发者推荐. 然而, 由于显式信息中的描述信息是主观的, 往往是不精确的, 现有基于显式特征的开发者推荐算法性能不够理想. 众包软件开发平台除包含大量不精确的描述信息外, 还包含客观的、较准确的"任务—开发者"成绩信息, 可以有效地推断任务和开发者的隐式特征. 考虑到隐式特征作为显式特征的补充, 将有效缓解描述信息不精确的难题, 提出一种结合显式特征和隐式特征的开发者混合推荐算法. 首先, 利用任务和开发者的平台可见信息充分提取显式特征, 提出面向显式特征的因子分解机(FM)推荐模型建模任务、开发者显式特征和相应评分的映射关系. 然后, 利用"任务—开发者"成绩矩阵提取隐式特征, 提出面向隐式特征的矩阵分解(MF)推荐模型.最后, 融合面向显式特征的FM推荐模型和面向隐式特征的MF推荐模型, 提出多层感知器融合算法. 进一步, 针对冷启动问题, 首先, 基于历史数据, 构建多层感知器模型建模显式特征到隐式特征的映射关系. 然后, 针对冷启动任务或冷启动开发者, 通过任务或开发者的显式特征求解相应的隐式特征. 最后, 基于已训练好的多层感知器融合算法预测评分. 在Topcoder软件众包平台的仿真实验表明本文算法相对于对比算法在4种不同测试指标上具有明显的优势.