1.一种融合节点上下文信息的可解释开源项目推荐方法,其特征在于,包括以下步骤:(1)采集GitHub平台开发者行为数据并存储;
(2)构建开源项目关联网络;具体如下:首先,从数据库中获取开源项目的Issue、Issue_ Comment、Pull_Request _Comment、Fork信息,以及针对开发者的Open_issue、Issue_Comment、Open _Pull_Request、Watch和Fork多项行为信息;其次,融合技术依赖与社交信息构建关联,计算项目活跃度、项目技术依赖于社交关联度;然后,对上述三个指标进行线性组合,计算目标节点对间存在链接的概率,并依据预设阈值确定网络连边;最终构造出开源项目关联网络,其中为项目节点,为节点链接表示,为链接权重;
(3)构建基于节点上下文信息与时空特征的关联路径;包括以下步骤:(31)利用深度优先搜索策略挖掘目标节点对的关联路径;其中,目标节点作为中心节点构建一个固定深度的随机张量,在G的每个节点中嵌入每个节点的中心信息和上下文信息;基于Latent Factor Model和Signed Latent Factor、平均路径长度、模块度分析和六度分隔理论找出影响目标节点对其中,
(32)将G中所有节点的相关路径长度固定,并将目标节点v嵌入为响应的张量:其中,
(33)基于目标节点对
其中,
(4)构建开源项目推荐模型并训练,得到目标节点对间的权重;
(5)利用剪枝策略对关联路径进行随机采样。
2.根据权利要求1所述的一种融合节点上下文信息的可解释开源项目推荐方法,其特征在于,步骤(1)具体如下:利用GH Archive框架从GitHub平台上爬取全域开发者的日志行为数据,通过结合业务场景和CHAOSS提供的开源度量指标将采集到的数据归类成不同特征指标的数据流;将归纳后的数据流导入列示数据库ClickHouse,在数据库中利用SQL 查询所需数据。
3.根据权利要求1所述的一种融合节点上下文信息的可解释开源项目推荐方法,其特征在于,步骤(4)包括以下步骤:(41)构建完整的项目关联网络,之后分别对网络中的节点进行张量嵌入,并利用其中,
(42)通过对误差函数进行训练,当达到预设条件时停止训练;最终获得所有确实连边的目标权重,利用权重与阈值进行对比判断是否形成新的链接。
4.根据权利要求1所述的一种融合节点上下文信息的可解释开源项目推荐方法,其特征在于,步骤(5)具体如下:设置固定剪枝率其中,