面向众智平台软件问题的应用程序接口推荐

摘要

众智平台是近几年软件工程研究中的研究热点，在众智平台中软件开发者通过提问和回答的形式讨论软件开发问题，这些讨论的数据帮助开发者学习软件开发知识，获取解决特定软件开发问题的方法。然而由于在众智平台中需要人工回答开发者的问题，回答的时效性会影响开发者的软件开发效率，如何根据开发者提出的软件问题自动推荐可能解决问题的方案是提升众智平台使用效率的方案之一。 本文针对众智平台中关于应用程序接口使用方面的问题设计算法，解决根据开发者的提问自动推荐与解决问题相关的应用程序接口的问题。本文提出一种细粒度的推荐算法，该算法通过分析开发者提问与应用程序接口的相关性，以及每个开发者提问中可能涉及的代码相关单词来进行正确的推荐。算法将提问中的代码相关单词与潜在对应的应用程序接口进行关联，并设计机制排序潜在相关结果。算法从多个角度分析开发者的提问特点，通过结合代码相关单词的信息，有效地提升了该问题的准确率。 本文以典型的众智平台StackOverflow上的数据验证算法的效果，实验结果表明，本文算法可以很好地推荐与解决开发者提问相关的应用程序接口，在详细地对比了已有算法和本文提出的算法的差异之后，发现在多个指标上本文算法超过了已有的对比算法。同时本文提出的代码相关单词分析方法，有效地提升已有的对比算法在应用程序接口推荐问题上的效果。本文详细讨论了该算法的有效性和各模块的作用，同时对算法的使用提出建议。

目录

声明

1 绪论

1.1 研究背景

1.2 相关概念

1.2.1 应用程序接口

1.2.2众智平台Stack Overflow

1.3 研究动机与问题定义

1.3.1 研究动机

1.3.2 问题定义

1.4 本文工作

1.5 论文结构

2 相关工作

2.1 Stack Overflow挖掘

2.2 API推荐研究

2.3 API使用分析

3基于多粒度排序的API推荐算法

3.1 数据预处理

3.2 代码相关单词识别

3.3 代码相关单词层面相关度计算

3.4 文本匹配层面相关度计算

3.5 多粒度API排序

4 实验设计

4.1 实验平台

4.2 数据集

4.3 对比算法

4.4 评价方法

5 实验结果分析

5.1 权重参数分析

5.1.1 实验动机

5.1.2 实验方法

5.1.3 实验结果

5.1.4 实验结论

5.2 对比算法分析

5.2.2 实验方法

5.2.3 实验结果

5.2.4 实验结论

5.3 代码相关单词作用分析

5.3.1 实验动机

5.3.2 实验方法

5.3.3 实验结果

5.3.4 实验结论

5.4 算法与实验有效性讨论

结论

参考文献

致谢

大连理工大学学位论文版权使用授权书