基于存储库数据挖掘的开源软件成功度量方法

doi:10.3969/j.issn.0372-2112.2018.12.015

电子学报 ›› 2018, Vol. 46 ›› Issue (12): 2930-2935.DOI: 10.3969/j.issn.0372-2112.2018.12.015

基于存储库数据挖掘的开源软件成功度量方法

宁德军¹, 叶培根², 刘琴¹, 李梅³

1. 同济大学软件学院, 上海 201210;
2. 上海大学通信与信息工程学院, 上海 201210;
3. 中国科学院上海高等研究院智慧城市研究中心, 上海 201210

收稿日期:2017-11-21 修回日期:2018-04-11 出版日期:2018-12-25
- 作者简介:
- 宁德军 男,1972年7月出生于黑龙江省.教授级工程师,CCF会员.长期从事下一代软件工程技术、大数据智能技术和海云协同计算研究.E-mail:ningdj@sari.ac.cn;叶培根 男,1992年2月出生于河南省濮阳市.研究生,主要研究方向为软工数据智能和海云计算.E-mail:yepg@sari.ac.cn;刘琴女,同济大学软件学院教授、博士生导师,CCF会员.主要研究方向为软件与数据工程、异构数据相关性分析、基于历史数据的预测模型与应用.E-mail:qin.liu@tongji.edu.cn;李梅女,1993年10月出生于江苏东台.研究生.主要研究方向为软工数据智能、数据挖掘、智能推荐.E-mail:limei@sari.ac.cn
- 基金资助:
- 中国科学院战略性先导科技专项 (No.XDA06000000）; 国家重点研发计划项目 (No.2016YFB1000805）; 上海市"科技创新行动计划"基础研究重点科技项目 (No.17511107303，17511110202）; 上海市扬帆计划 (No.17YF1420500）

Open Source Software Success Measurement Method Based on Mining Software Repository

NING De-jun¹, YE Pei-gen², QIN Liu¹, MEI Li³

1.School of Software Engineering, Tongji University, Shanghai 201210, China;
2.School of Communication and Information Engineering, Shanghai University, Shanghai 201210, China;
3.Shanghai Advanced Research Institute, Chinese Academy of Science, Shanghai 201210, China

Received:2017-11-21 Revised:2018-04-11 Online:2018-12-25 Published:2018-12-25

摘要/Abstract

摘要： 开源软件已广泛应用于各软件领域，例如操作系统、容器等，但目前尚没有一种能够综合度量开源软件的方法.我们在用户兴趣度量和开发参与度量的基础上，提出了一种能够克服度量维度单一的局限性的度量方法.基于DM模型、软件生存力模型等相关文献研究和开源软件存储库数据挖掘，通过对项目过程数据进行聚类、主成分分析、回归分析和对开发过程的思考，本文提出一种基于存储库数据和统计学算法的开源软件成功度度量模型.并通过与用户兴趣度量结果和开发参与度量结果对比分析，证明本文的度量模型能够基于可自动无扰采集的存储库数据，更全面的衡量开源软件项目的成功.度量模型可应用于企业选择优质开源项目、学术研究、智能项目推荐等领域.

关键词: 开源软件, 主成分分析, 成功度量模型, 数据挖掘, 量化分析, 软件工程, DM模型, 软件生存力模型

Abstract: The open source software (OSS) is widely used in various software fields, such as operating system, container, etc. But there is no method to measure open source software comprehensively. Based on the measurement of user interest and the development of participation metrics, we propose a method that can overcome the single limitation of the metric dimension. Based on DM model, software viability model and other relevant literature research, mining of software repository, we consider the OSS development process and propose an OSS success evaluation model through clustering, principal component analysis and regression analysis. By comparing the metric score of user interest method and development participation method, the evaluation model can be used to measure the success of OSS projects based on the data collected automatically without interference. The evaluation model can be applied to select high quality open source projects, academic research, intelligent project recommendation, etc.

Key words: open source software, principal component analysis, success measurement model, data mining, quantitative analysis, software engineering, DM model, software viability model

中图分类号:

TP311

宁德军, 叶培根, 刘琴, 李梅. 基于存储库数据挖掘的开源软件成功度量方法[J]. 电子学报, 2018, 46(12): 2930-2935.

NING De-jun, YE Pei-gen, QIN Liu, MEI Li. Open Source Software Success Measurement Method Based on Mining Software Repository[J]. Acta Electronica Sinica, 2018, 46(12): 2930-2935.

参考文献

[1] Krogh G V,E V Hippel.Special issue on open source software development[J].Research Policy,2003,32(7):1149-1157.
[2] Yamauchi Y,Yokozawa M,Shinohara T.Collaboration with lean media:how open-source software succeeds[A].ACM Conference on Computer Supported Cooperative Work[C].New York,USA:ACM,2000.329-338.
[3] Osterloh M,Rota S.Trust and community in open source software production[J].Analyse & Kritik,2016,26(1):279-301.
[4] Krishnamurthy S.Cave or community?:an empirical examination of 100 mature open source projects[J].Social Science Electronic Publishing,2002,7(6):960-972.
[5] Perens B.The Open Source Definition[M].USA:Open Sources:Voices from the Open Source Revolution,2013.171-188.
[6] Petter S,Delone W,Mclean E.Measuring information systems success:models,dimensions,measures,and interrelationships[J].European Journal of Information Systems,2008,17(3):236-263.
[7] Polancic G,Horvat R V,Rozman T.Comparative assessment of open source software using easy accessible data[A].International Conference on Information Technology Interfaces[C].Cavtat,Croatia:IEEE,2004.673-678.
[8] Grewal R,Lilien G L,Mallapragada G.Location,location,location:How network embeddedness affects project success in open source systems[J].Management Science,2006,52(7):1043-1056.
[9] Margan D,Candrlic S.The success of open source software:a review[A].International Convention on Information and Communication Technology,Electronics and Microelectronics[C].Irbid,Jordan:IEEE,2015.1463-1468.
[10] 张得光,李兵,何鹏.基于软件生态系统的开源社区特性研究[J].计算机工程,2015,41(11):106-113. Zhang De-guang,Li Bing,He Peng.Characteristic study of open-source community based on software ecosystem[J].Computer Engineering,2015,41(11):106-113.(in Chinese)
[11] Subramaniam C,Sen R,Nelson M L.Determinants of Open Source Software Project Success:A Longitudinal Study[M].Amsterdam,Netherlands:Elsevier Science Publishers B V,2009.
[12] Neamtiu I,Xie G,Chen J.TowardsA Better Understanding of Software Evolution:An Empirical Study on Open Source Software[M].Hoboken,New Jersey,USA:John Wiley & Sons,Inc,2013.

[1]	张少波, 原刘杰, 毛新军, 朱更明. 基于本地差分隐私的K-modes聚类数据隐私保护方法[J]. 电子学报, 2022, 50(9): 2181-2188.
[2]	沈鹏飞, 徐臻, 王英. 基于嵌套生成对抗学习的网络嵌入[J]. 电子学报, 2022, 50(9): 2155-2163.
[3]	王森, 王煜, 宁德军. 复杂软件系统健康状态智能感知与诊断模型[J]. 电子学报, 2021, 49(9): 1799-1808.
[4]	肜娅峰, 陈晨, 陈德运, 何勇军. 基于贝叶斯主成分分析的i-vector说话人确认方法[J]. 电子学报, 2021, 49(11): 2186-2194.
[5]	刘金平, 王杰, 唐朝晖, 贺俊宾, 谢永芳, 马天雨. 基于自适应滑窗递归稀疏主成分分析的工业过程故障监测[J]. 电子学报, 2020, 48(9): 1795-1803.
[6]	蒋留兵, 周小龙, 车俐. 基于无载波超宽带雷达的小样本人体动作识别[J]. 电子学报, 2020, 48(3): 602-615.
[7]	吴玉佳, 李晶, 宋成芳, 常军. 基于高效用神经网络的文本分类方法[J]. 电子学报, 2020, 48(2): 279-284.
[8]	方晨, 郭渊博, 王娜, 甄帅辉, 唐国栋. 基于生成对抗网络的差分隐私数据发布方法[J]. 电子学报, 2020, 48(10): 1983-1992.
[9]	彭慧丽, 金凯忠, 付聪聪, 付楠, 张啸剑. 基于序列格的隐私时序模式挖掘方法[J]. 电子学报, 2020, 48(1): 153-163.
[10]	刘露, 胡封晔, 牛亮, 彭涛. 异质网络中基于节点影响力的相似度度量方法[J]. 电子学报, 2019, 47(9): 1929-1936.
[11]	徐少平, 李崇禧, 林官喜, 唐祎玲, 胡凌燕. 基于主成分分析与深度神经网络的快速噪声水平估计算法[J]. 电子学报, 2019, 47(2): 274-281.
[12]	胡钢, 徐翔, 张维明, 周鋆. 基于主成分分析的网络节点重要性指标贡献评价[J]. 电子学报, 2019, 47(2): 358-365.
[13]	田文飚, 芮国胜, 董道广, 康健. 基于盲自适应KLT的蒸发波导压缩感知方法[J]. 电子学报, 2018, 46(9): 2068-2074.
[14]	马慧芳, 刘芳, 夏琴, 郝占军. 基于加权超图随机游走的文献关键词提取算法[J]. 电子学报, 2018, 46(6): 1410-1414.
[15]	王超, 刘淇, 陈恩红, 黄振亚, 朱天宇, 苏喻, 胡国平. 面向大规模认知诊断的DINA模型快速计算方法研究[J]. 电子学报, 2018, 46(5): 1047-1055.

基于存储库数据挖掘的开源软件成功度量方法

Open Source Software Success Measurement Method Based on Mining Software Repository

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics