基于多标签分类算法的软件仓库主题推荐
软件工程
2021-06-15 v4
摘要
许多平台利用协同标注，在搜索或浏览时为用户提供更快且更准确的结果。标签可传达不同概念，如软件仓库的主要特性、技术、功能与目标。近期，GitHub 已允许用户用主题标签标注仓库，并借助社区精心策划提供了一组精选主题及其可能的别名。这创造了利用此初始主题种子通过训练向开发者自动标注其余所有仓库的模型的机会，即推荐高质量主题标签。本工作中，我们研究多标签分类技术在预测软件仓库主题上的应用。首先，我们将用户定义主题的庞大空间映射到 GitHub 精选主题。核心思想是从项目可用文档中派生更多信息。我们的数据包含约 K 个 GitHub 仓库与 个精选主题。随后，我们对仓库的文本信息（如描述、README 文件、wiki 页面与文件名）施加监督模型。我们从定量与定性两方面评估方法性能。我们提出的模型分别取得 的 Recall@5 与 的 LRAP 分数。此外，基于用户评估，我们的方法在推荐正确且完整主题集上能力突出。最后，我们用模型开发了名为 \texttt{Repository Catalogue} 的在线工具，可自动预测 GitHub 仓库主题且已公开可用。
引用
@article{arxiv.2010.09116,
title = {Topic Recommendation for Software Repositories using Multi-label Classification Algorithms},
author = {Maliheh Izadi and Abbas Heydarnoori and Georgios Gousios},
journal= {arXiv preprint arXiv:2010.09116},
year = {2021}
}