1.一种基于多特征的开源软件项目孵化状态预测方法，其特征在于，包括如下步骤：步骤1：收集关于Apache项目的文件提交以及邮件交流的历史数据；

步骤2：根据项目的前设定时间段的历史数据，构建项目成员社交网络；

所述步骤2中，根据步骤1中的项目前设定时间段的历史数据，构建项目成员社交网络，项目成员社交网络为一个由集合V、E和W组成的有向图，记为G＝(V,E,W)，其中V＝{v1,v2,…,vN}是节点的集合，表示邮件的参与人员，包括收件人和发件人； 是有向连边的集合，连边方向是从邮件的发件人指向收件人；W＝(wij)N×N是连边权重的集合，表示两人的邮件交流次数；

步骤3：提取前设定时间段历史数据中的属性特征和网络特征；

所述步骤3中，网络特征提取包括以下过程：

1)前设定时间段邮件网络的节点数量|V|，项目成员社交网络的节点集合是：V＝{v1,v2,…,vN}，  (1)其中，vi,是一个节点，(1≤i≤N),节点的集合大小用|V|＝N表示；

2)前设定时间段邮件网络的连边数量|E|，项目成员社交网络的边的集合是：其中，(vi,vj)∈E表示节点vi到节点vj的边,边的集合的大小用|E|＝M表示；

3)前设定时间段邮件网络的特征向量中心性ce(G)，计算如下：其中网络图G中节点vi的特征向量中心性ce(vi)，计算如下：其中，γ是一个比例常数，Aij表示网络的加权邻接矩阵的元素，T

假设Ce＝(ce(v1),ce(v2),…,ce(vN)) 是所有节点的中心向量，则式(4)写成如下矩阵形式：

T

γCe＝ACe，  (5)

T

其中，A＝(Aij)N×N表示加权邻接矩阵，γ是对应的特征值，Ce是邻接矩阵A的特征向量；

4)前设定时间段邮件网络的恢复力β，计算如下：T

其中，1＝(1,…,1) 表示单位向量， 表示入度的加权度向量，

5)前设定时间段邮件网络的密度D，计算如下：其中，|E|表示网络的实际总边数；

6)前设定时间段邮件网络的度匹配性r，计算如下：其中，ki和kj表示一条连边两个端点的度数，H表示网络中所有连边的总权重，wij表示节点vi到节点vj的连边权重；

7)前设定时间段邮件网络的聚类系数C，计算如下：其中网络图G中节点vi的聚类系数Ci，计算如下：si＝∑jwij表示节点vi的强度，ki表示节点vi的度，所述步骤3中，对前设定时间段属性特征的提取，属性特征包括：①前设定时间段的平均程序员数量；②前设定时间段的平均邮件数量；③前设定时间段的平均提交数量；

步骤4：采用机器学习分类器模型支持向量机SVM,选取核函数，构建多特征的开源软件项目孵化状态的预测模型，并进行十折交叉验证，得出测试精度。

2.如权利要求1所述的一种基于多特征的开源软件项目孵化状态预测方法，其特征在于：所述步骤1中，收集历史数据，文件提取信息包括：程序员的ID，提交文件的时间，以及被提交文件的ID；邮件交流信息包括：发件人ID，收件人ID，以及交流的发生时间。

3.如权利要求1所述的一种基于多特征的开源软件项目孵化状态预测方法，其特征在于：所述步骤4中，支持向量机SVM二分类模型的构建过程如下：首先，确定核函数的选取，使用高斯核RBF，即样本xi和xj之间在特征空间的内积用它们在原始样本空间中通过函数k(xi,xj)来计算，其表达式如下：其中，δ表示高斯核的带宽；

然后进行通过网格算法寻找SVM模型的参数最优值，再进行十折交叉验证，进行多次测试取平均，得出基于多特征的开源软件项目孵化状态预测方法的精度指标。