支持开源项目问题跟踪系统中的任务驱动技能识别

选择合适的任务对开源软件（OSS）贡献者而言具有挑战性，尤其是首次贡献者。因此，研究者和 OSS 项目提出了多种策略来帮助新手，包括为任务打标签。我们研究自动标注未解决问题（open issues）的策略，以帮助贡献者挑选贡献任务。我们用 API 领域（从用于解决这些问题的源代码中解析出的 API 类别）来标注问题。我们计划将问题讨论中的社交网络分析指标作为新的预测变量加入。通过识别技能，我们认为贡献者候选人应挑选更合适的任务。我们分析了访谈转录文本与调查的开放式问题，以理解用于协助贡献者入门和挑选问题的策略。我们应用定量研究在实验中分析标签的相关性，并比较各策略的相对重要性。我们还从 OSS 仓库中挖掘问题数据，以与现有最优方法（state-of-art）相当的平均精度、召回率和 F 值预测 API 领域标签。我们计划使用技能本体（skill ontology）来协助贡献者与任务间的匹配过程。通过分析描述贡献者技能与任务的本体中匹配实例的置信水平，我们可推荐供贡献的问题。迄今结果表明，对问题进行分类组织（包括分配标签）被视为 OSS 社区中多种角色的一项基本策略。API 领域标签对有经验的从业者具有相关性。预测的平均精度为 75.5%。为问题打标签指明了问题中涉及的技能。标签代表了与某问题相关的源代码中的可能技能。通过调研该主题，我们期望协助新贡献者找到任务。