羅達雄，葉俊民，廖志鑫，王志鋒，陳 曙

1(華中師范大學 計算機學院，武漢 430079) 2(華中師范大學 教育信息技術(shù)學院，武漢 430079)

1 引 言

近年來，隨著云計算技術(shù)的不斷發(fā)展，軟件開發(fā)正在不斷地走向大眾，來自不同地域的軟件開發(fā)者通過項目競標、群體協(xié)作的方式來進行軟件開發(fā)，不僅在競爭的環(huán)境下提升了軟件質(zhì)量也增強了開發(fā)者的技能水平.開源社區(qū)、眾包平臺、開發(fā)者社區(qū)是軟件開發(fā)人員尋求問題解決的主要方式.通過多年的運行和演化，這些平臺上積累了數(shù)以萬計的開發(fā)者資料、交互行為、問答記錄和技術(shù)文檔.例如，短短幾年時間，軟件眾包平臺Topcoder就吸引了100多萬名開發(fā)者，每天產(chǎn)生的資源數(shù)超過5萬項；開發(fā)者技術(shù)社區(qū)StackOverflow上的開發(fā)者數(shù)也達到600萬，資源數(shù)量超過1300萬；軟件項目托管平臺GitHdb上的開發(fā)者數(shù)超過1500萬，項目數(shù)超過3800萬；全球最大的IT社區(qū)CSDN上的開發(fā)者數(shù)量也超過3000萬，資源數(shù)量超過9000萬.然而，平臺上的數(shù)據(jù)通常是零散的、不規(guī)則的且存在“信息過載”的問題，如何從海量的開發(fā)者中找到最適合的問題解決者是值得解決的問題[1，2].

協(xié)助社區(qū)中的開發(fā)者更好地解決問題有兩個方面的主要工作.一是為開發(fā)者推薦問題解決者，相關(guān)的研究工作有：文獻[1]基于KNN方法分析缺陷報告中潛在的Topic和開發(fā)者的特征之間的相似關(guān)系來推薦最佳的缺陷修復者；文獻[2]提取多個域中的Topic，計算跨域Topic間的相似關(guān)系進行跨域協(xié)作關(guān)系推薦；文獻[3]基于Topcoder上歷史獲勝者、參與者、任務(wù)特征信息，提取出開發(fā)者與任務(wù)的關(guān)聯(lián)關(guān)系，實現(xiàn)為特定項目推薦開發(fā)者等.文獻[1-3]從靜態(tài)特征挖掘開發(fā)者和Topic的相似關(guān)系，實現(xiàn)為特定Topic推薦開發(fā)者.文獻[4]通過分析GitHub上開發(fā)者對特定技術(shù)術(shù)語的使用頻度，問答社區(qū)(StackOverflow)上標簽和技術(shù)術(shù)語的關(guān)聯(lián)關(guān)系，實現(xiàn)為StackOverflow推薦問答專家.文獻[5]對StackOverflow上開發(fā)者的歷史數(shù)據(jù)分析，并基于LDA主題模型分析和發(fā)現(xiàn)開發(fā)者潛在的興趣，最終基于開發(fā)者興趣和協(xié)作投票機制相結(jié)合的方式為StackOverflow推薦問題專家.文獻[6]基于開發(fā)者的歷史完成任務(wù)和開發(fā)者聲譽結(jié)合的方式，給出開發(fā)任務(wù)匹配和推薦模型，利用開發(fā)者的聲譽增強推薦結(jié)果的準確度和多樣性.二是為開發(fā)者推薦問題的答案，主要的研究工作有：文獻[7]使用端到端的神經(jīng)網(wǎng)絡(luò)模型，通過交叉關(guān)注機制動態(tài)地得到問題和各個候選答案之間的候選得分，從而從特定的知識庫當中得到最佳得分的答案.文獻[8]針對開放領(lǐng)域的問題，提出了一種新的基于圖優(yōu)化的框架來尋找問題的答案，此方法可以有效地找到帶有多個短事實和元組關(guān)系結(jié)構(gòu)的問題的答案.上述兩個方面的研究有其不同的側(cè)重點，其中為開發(fā)者推薦問題解決者更有利于促進社區(qū)開發(fā)者之間的互動和問題的精確解決，是本文研究的問題.

關(guān)于問題解決者推薦的研究，大多基于開發(fā)者的顯性行為，利用了協(xié)同過濾或主題模型實現(xiàn)推薦，此策略的主要問題是：

1)通常情況下，開發(fā)者社區(qū)的成員與問題的數(shù)量極大，開發(fā)者與問題之間的信息過于稀疏，基于協(xié)同過濾的方法會遇到所謂的評價矩陣稀疏問題.

2)僅利用開發(fā)者的顯性行為能夠發(fā)現(xiàn)積極回答者，但是不利于發(fā)現(xiàn)適合回答問題的潛在回答者.針對以上問題，文獻[9]提出了利用隱性行為增強評價矩陣的方法來解決軟件工程任務(wù)的開發(fā)者推薦問題.實驗表明引入隱性行為有利于更全面的刻畫開發(fā)者行為并可有效發(fā)現(xiàn)潛在的任務(wù)開發(fā)者.基于此思路，本文在問題解決者推薦過程中引入隱性行為因素，提出了一種基于隱性行為的問題解決者推薦算法，主要的貢獻是：

1)提出基于標簽的隱性行為變量計算方法，有利于發(fā)現(xiàn)潛在問題解決者，同時能夠改善開發(fā)者與問題之間的數(shù)據(jù)稀疏問題；利用此變量構(gòu)建傾向性模型，以刻畫開發(fā)者對解決問題的主觀傾向性.

2)為了避免協(xié)同過濾推薦算法中的稀疏問題，提出采用貝葉斯多變量回歸方法建立推薦模型，以實現(xiàn)計算開發(fā)者推薦分值，并利用針對該分值的排序推薦問題解決者.

2 問題定義與算法框架

2.1 相關(guān)術(shù)語與問題定義

第一，所謂隱性行為即開發(fā)者社區(qū)中開發(fā)者針對問題的瀏覽、收藏、評論和回復行為.隱性行為能夠充分刻畫開發(fā)者與問題的交互過程；第二，所謂標簽即開發(fā)者社區(qū)中描述問題所屬領(lǐng)域的主題詞.標簽描述了問題題干的核心語義；第三，所謂基于標簽的隱性行為變量即基于隱性行為計算開發(fā)者針對標簽的特征值；第四，所謂傾向性變量即開發(fā)者對解決問題主觀傾向性的特征值；第五，所謂能力變量即從全局角度刻畫開發(fā)者的整體能力的特征值.其中，基于標簽的隱性行為變量和傾向性變量的計算方法將在本文的第三、第四部分討論.

本文研究中的問題可定義如下：針對問題Q，計算開發(fā)者集合Ds={di}，i∈[1，n](其中，n是開發(fā)者總數(shù))，將集合中排名靠前的開發(fā)者推薦給提問者.特別地，本文中的q表示任意問題.

2.2 算法框架

本文算法研究的總框架如圖1所示.主要包含訓練和推薦兩個階段.首先，本文收集開發(fā)者的隱性行為數(shù)據(jù)進行模型的訓練.步驟1對行為數(shù)據(jù)進行預處理，得到開發(fā)者-能力特征值文件、問題-標簽文件和問題-隱性行為文件.步驟2從問答記錄中生成訓練數(shù)據(jù)，針對針對隱性行為數(shù)據(jù)中的問答記錄，得到問題的標簽，計算本記錄對應(yīng)開發(fā)者的基于標簽的隱性行為變量、傾向性變量和能力變量三個特征值，并得到本記錄對應(yīng)的開發(fā)者回答評分.步驟3訓練貝葉斯回歸模型，將步驟2計算得到的特征變量作為回歸變量，以及回答評分作為回歸值訓練得到模型；其次，當遇到新問題Q時，用已訓練好的模型進行預測.步驟4生成開發(fā)者特征變量，針對新提出的問題，得到問題的標簽，并基于隱性行為數(shù)據(jù)對開發(fā)者計算步驟2中的特征變量.步驟5推薦問題解決者，利用步驟4得到的開發(fā)者特征變量使用貝葉斯回歸模型得到開發(fā)者的評分，將排名靠前的開發(fā)者推薦給提問者.

圖1 算法框架Fig.1 Algorithm framework

3 基于標簽的隱性行為變量計算方法

當開發(fā)者在社區(qū)中提出一個問題時，如何刻畫社區(qū)中其他開發(fā)者解決此具體問題的專業(yè)因素、興趣因素和經(jīng)驗因素是首先需要解決的問題.此前的許多工作主要基于開發(fā)者的顯性行為(如，對問題的回復)，而忽略了開發(fā)者的隱性行為(如，瀏覽，收藏和評論).隱性行為也是開發(fā)者的專業(yè)度、關(guān)注度和興趣度的重要反映，同時，研究此類行為有助于發(fā)現(xiàn)潛在的問題解決者.

在社區(qū)中問答中，通常每個問題被標識了多個標簽，這些標簽描述了問題所屬的領(lǐng)域，代表問題題干的核心語義.由此，本文將開發(fā)者對于問題的行為特征計算問題轉(zhuǎn)換成開發(fā)者對于標簽的行為特征計算問題，將開發(fā)者在同一標簽的其他問題上的交互行為用于計算開發(fā)者基于標簽的隱性行為變量IBVT，具體計算如公式(1)所示.

(1)

其中，IBVT(d，t)表示開發(fā)者d對于標簽t的隱性行為變量，Qt是標簽t所屬問題集合，A是交互行為的集合，Score(d，q，a)是開發(fā)者d在問題q上的交互行為a的得分，D是平臺所有的開發(fā)者集合.IBVT(d，t)∈[0，1].

依據(jù)專家經(jīng)驗，針對不同類別的交互行為，采用不同的函數(shù)計算相關(guān)的得分.為此，本文主要給出四類基本交互行為(即瀏覽(L)、收藏(S)、評論(P)和回復(H))的計算方法，具體計算方法見如公式(2)至公式(6).

為了增強模型的推薦效果，在隱性行為計算過程中同時考慮顯性行為，既回復行為，其反映了開發(fā)者的專業(yè)程度，計算如公式(2)所示.

(2)

其中，Q是他要進行推薦的新問題，timeh為開發(fā)者d在問題q上的回復次數(shù).sim函數(shù)采用CBOW詞嵌入模型進行問題相似度的計算，具體如式(3)所示.

(3)

其中，n是q的詞個數(shù)，MAX是最大值函數(shù)，設(shè)WEM是訓練好的CBOW模型，WEM.sim()是計算兩個詞向量相似度的函數(shù)，wq是q中的詞，wQ是Q中的詞.按照公式(3)計算兩個句子內(nèi)容相似度的復雜度為O(N*M*(O(WEM.Sim)))，其中，N是q分詞后的詞個數(shù)，M是Q分詞后的詞個數(shù)，乘上相似度計算函數(shù)WEM的復雜度.

(4)

其中，timel為開發(fā)者d在問題q上的瀏覽次數(shù)，tl1-tl2是劃分范圍的區(qū)間值.開發(fā)者對于問題的瀏覽行為L反映了開發(fā)者對于問題的短期關(guān)注程度，本文將瀏覽行分為4類：0為無瀏覽，1為瀏覽次數(shù)較少，2為瀏覽次數(shù)一般，3為瀏覽次數(shù)較多.

(5)

其中，timep為開發(fā)者d在問題q上評論次數(shù)，tp1是劃分范圍的區(qū)間值.開發(fā)者對應(yīng)問題的評論行為反映了開發(fā)者對于問題的興趣程度，本文將開發(fā)者的評論行為分成3類：0為無興趣，1為興趣較低，2為興趣較高.

(6)

其中，times為開發(fā)者d在問題q上的收藏次數(shù).開發(fā)者對應(yīng)問題的收藏行為反映了開發(fā)者對于問題的長期關(guān)注程度，本文將開發(fā)者的收藏行為分成2類：0為無收藏，1為有收藏.

本文定義的4類行為是各種開發(fā)者社區(qū)可獲取的基本行為，相關(guān)的分值給定基于專家知識.在實際應(yīng)用中可以對行為的類型和計算方式進行擴展.基于標簽的隱性行為變量計算方法如算法1所示.

算法1為基于標簽的隱性行為變量計算算法.得到問題q的前n個標簽集合Tags和社區(qū)中的開發(fā)者集合Developers(行1-2)；迭代每一個標簽Tag(行3)；得到Tag對應(yīng)的問題qs(行4)，時間復雜度為O(N)，N為社區(qū)中的問題總數(shù).依據(jù)公式(1)的分母計算qs下的隱性行為總得分，時間復雜度為O(N*M*A*O(Score))，N為社區(qū)的可推薦開發(fā)者的數(shù)目，M為qs中問題的數(shù)目，A為計算的隱性行為的個數(shù)，乘上Score函數(shù)的復雜度；遍歷可推薦開發(fā)者(行7)；依據(jù)式(1)的分子計算單個開發(fā)者在qs下的得分(行8-9)，時間復雜度為O(M*A*O(Score))，其中M為qs中問題的數(shù)目，A為計算的隱性行為的個數(shù)，乘上Score函數(shù)的復雜度；得到開發(fā)者Developer針對標簽Tag的隱性性行為變量(行10).

表1 基于標簽的隱性行為變量計算算法Table 1 Tag-based implicit behavioral variable calcdlation algorithm

4 傾向性變量計算模型

通過基于標簽的隱性行為變量的計算可得到開發(fā)者關(guān)于具體問題的關(guān)注度特征、專業(yè)程度特征和興趣程度特征，這細致刻畫了開發(fā)者的行為.

通常開發(fā)者在某段時期內(nèi)會對特定領(lǐng)域的問題進行研究，這會導致開發(fā)者更有傾向?qū)Υ祟I(lǐng)域問題做出回復，因此考慮傾向性因素能夠有效的捕捉開發(fā)者的短期興趣，提高社區(qū)的交互水平.然而，現(xiàn)存的推薦方法經(jīng)常忽略了主觀傾向性，本文考慮對其進行建模.

本文采用能夠有效進行時序數(shù)據(jù)預測的LSTM[10]模型對傾向性進行建模.LSTM通過特別設(shè)計的門控機制來避免嘗試依賴的問題，其包含輸入門(input gates)、遺忘門(forget gates)和輸出門(output gates)3 種門結(jié)構(gòu)，以保持和更新節(jié)點的狀態(tài).LSTM的相關(guān)計算如公式(7)-公式(12)所示，整體模型如圖2所示.

ft=σ(Wf[ht-1，xt]+bf)

(7)

it=σ(Wt[ht-1，xt]+bt)

(8)

Ct=tanh(Wc[ht-1，xt]+bc)

(9)

(10)

Ot=σ(Wo[ht-1，xt]+bo)

(11)

(12)

首先，介紹與模型相關(guān)的定義與計算方法.

定義1. 結(jié)合時間因素的基于標簽的隱性行為變量IBVTT.IBVTT表示時間區(qū)間[s，e]內(nèi)，開發(fā)者d對于標簽t的隱性行為變量.計算過程如公式(13)所示.

IBVTT(d，t，s，e)=

(13)

其中，IBVTT(d，t，s，e)表示開發(fā)者d對于標簽在時間區(qū)間[s，e]的隱性行為變量，Qt是標簽t所屬的問題，A表示交互行為的集合，其與第2節(jié)中的交互行為集合一致.Qd為開發(fā)者d產(chǎn)生過交互行為的問題集合.time(d，q，a)表示開發(fā)者d對問題q的行為a發(fā)生的時間戳.Score的函數(shù)計算方法除回復行為外與第二節(jié)一致，回復行為的計算式如公式(14)所示.

(14)

其中，markh開發(fā)者d在問題q上回復得到的評分，th1是劃分區(qū)間的范圍值.本文將回復行為按照評分值分為三類：0為無評分，4為低評分，5為高評分.回復行為所給的分值比其他三類行為高，說明了其重要性.

定義2. 傾向性向量TV.傾向性向量TV存儲開發(fā)者d在針對問題q所屬前M個標簽的IBVTT值，TV∈RM.

定義3. 傾向性矩陣TM.傾向性矩陣TM儲存開發(fā)者d在多個連續(xù)的時間區(qū)間[si，ei]，i∈[1，N]內(nèi)針對問題q的傾向性向量TV，TM∈RN×M.

定義4. 傾向性等級.開發(fā)者d對解決問題q的傾向性級別.本文將傾向性級別設(shè)置為4類，分別為不傾向回答(NT，0)，低等傾向回答(LT，1)，中等傾向回答(MT，2)和高等傾向回答(HT，3).其中，括號中的數(shù)值為類別對應(yīng)的特征值.

定義5. 傾向性等級向量TL.開發(fā)者對解決問題q的傾向性等級的向量表示，用于傾向性模型計算的輸入輸出.TL∈{0，1}4，僅在所屬等級對應(yīng)的下標位置的元素為1.對應(yīng)規(guī)則如下：TL0對應(yīng)不傾向回答；TL1對應(yīng)低等傾向回答；TL2對應(yīng)中等傾向回答；TL3對應(yīng)高等傾向回答.

圖2 傾向性模型Fig.2 Tendency model

其次，介紹模型的運行過程.如圖2所示，模型輸入為開發(fā)者針對問題q的傾向性矩陣TM，其中，N為連續(xù)的時間區(qū)間數(shù)目，M為用于表示問題的標簽個數(shù).LSTM的隱藏節(jié)點和隱藏層H的節(jié)點個數(shù)均為M，記錄M個標簽存儲的傾向性信息.Softmax層輸出開發(fā)者針對問題q的傾向性屬于各個等級的概率.

最后，在使用傾向性模型時，輸入開發(fā)者針對問題q的傾向性矩陣TM，將softmax層輸出所屬概率最大值的傾向性等級對應(yīng)的特征值作為傾向性變量的值.

算法2是傾向性模型訓練數(shù)據(jù)生成算法，本文將時間區(qū)間[s，e]的時間跨度設(shè)置為一個月.得到社區(qū)的開發(fā)者集合Developers(行1)；聲明存儲傾向性矩陣的集合TMs和傾向性類別向量的集合TLs(行2-3)；遍歷每一個開發(fā)者Developer 行4)；得到Developer 近N個月交互數(shù)量最后和前三的標簽Tags和在Tags下進行交互的問題qs(行5-8)；遍歷qs中的問題q(行9)；生成Developer 針對問題q的傾向性矩陣TM和傾向性類別向量TL加入對應(yīng)的集合(行10-18).整個算法的時間復雜度為O(N*M*O(TM))，N為可開發(fā)者數(shù)量，M為開發(fā)者中qs集合問題個數(shù)的最大值，乘上生成傾向性矩陣TM的復雜度.生成傾向性矩陣TM的時間復雜度為O(N*M*Q*A*(Score))，其中，為傾向性矩陣計算需要的連續(xù)時間區(qū)間數(shù)，M為傾向性向量的維度，Q為與開發(fā)者Developer 對應(yīng)qs的問題個數(shù)，A為交互行為個數(shù)，乘上Score函數(shù)的復雜度.

表2 傾向性模型訓練數(shù)據(jù)生成算法Table 2 Tendency model training data generation algorithm

5 基于貝葉斯模型回歸的問題解決者推薦

本章主要敘述如何將上述提出的相關(guān)理論統(tǒng)一在貝葉斯回歸模型的框架下.選擇貝葉斯回歸計算開發(fā)者對問題q的評分有以下原因：

1)可以避免協(xié)同過濾算法的評價矩陣稀疏問題；

2)貝葉斯回歸對數(shù)據(jù)有自適應(yīng)能力，可以重復的利用實驗數(shù)據(jù)，并防止過擬合[11].

首先，敘述關(guān)于能力變量的計算.能力變量反映開發(fā)者在社區(qū)中的整體專業(yè)程度，本文采用文獻[9]中提到的基于模糊理論的方法計算開發(fā)者的能力變量Ability(d)∈[0，1].

其次，利用貝葉斯回歸對開發(fā)者針對問題q的評分進行建模.貝葉斯回歸最終要建立的評分函數(shù)如公式(15)所示.

y=β1x1+…+βkxk，var(yi|θ，xi)=σ2，
θ=(β1，β2…βk，σ2)

(15)

其中，Xi為開發(fā)者針對q問題評分的特征變量，k為特征變量的個數(shù)，從X1到Xk-2為基于標簽的隱性行為變量，Xk-1是傾向性變量，Xk是能力變量.σ2為評分函數(shù)計算的評分值和真實評分值的方差.θ是模型要估計的所有參數(shù).

因子化θ的聯(lián)合后驗概率，其結(jié)果如公式(16)所示.

P(β，σ2|Y)=P(β|σ2，y)·P(σ2|y)

(16)

式(16)中P(β|σ2，y)是服從公式(17)所示的正態(tài)分布.

(17)

其中，X∈Rn×k，n為訓練用的問答對個數(shù).依據(jù)P(σ2|y)=P(β，σ2|y)/P(β|σ2，y)，可定義公式(16)中的P(σ2|y)服從公式(18)所示的分布.

(18)

有了公式(17)與公式(18)，可從兩個分布中采樣相應(yīng)的值，并估計最終的模型參數(shù).

在訓練階段針對社區(qū)中已存在的每條問答記錄，計算本記錄對應(yīng)開發(fā)者的基于標簽的隱性行為變量、傾向性變量和能力變量作為回歸變量，獲取到開發(fā)者回答評分作為回歸值訓練貝葉斯回歸模型.根據(jù)模型中基于標簽的隱性行為變量的個數(shù)可以將本算法分成不同的版本(如實驗中的Top3-ARIB和Top5-ARIB).由于現(xiàn)實社區(qū)中回答評分的范圍不存在限制，在使用模型時要根據(jù)回答評分的分布將其映射到較小的連續(xù)區(qū)間(如實驗中將Top3-ARIB算法的回歸值映射到[0，5]的區(qū)間).

表3 基于貝葉斯回歸的問題解決者推薦算法Table 3 Problem solver recommendation algorithm based on Bayesian regression

最后，在推薦階段對提問者新提出的問題Q得到社區(qū)各個開發(fā)者的基于標簽的隱性行為變量、傾向性變量和能力變量的特征值，通過訓練好的評分函數(shù)得到開發(fā)者對此問題的評分，排序后將排名靠前的開發(fā)者作為問題解決者推薦給提問者，具體過程如算法3所示.

6 實驗分析

6.1 實驗數(shù)據(jù)

本文從Stack Overflow提供的數(shù)據(jù)服務(wù)平臺上下載得到真實的問答數(shù)據(jù).過濾數(shù)據(jù)后選擇2008-05-01～2009-05-01十二個月期間平均每個月回答問題數(shù)目大于7個的開發(fā)者(經(jīng)過統(tǒng)計發(fā)現(xiàn)平臺所有開發(fā)者平均每個人每月回答問題數(shù)目為6.3個)，共得到2596個開發(fā)者的行為數(shù)據(jù)作為訓練數(shù)據(jù)，使用2009-05-01～2010-05-1時間段內(nèi)該2596個開發(fā)者的行為數(shù)據(jù)作為預測數(shù)據(jù).試驗過程中過濾掉標簽出現(xiàn)次數(shù)少于等于10次的不常出現(xiàn)標簽.

6.2 算法參數(shù)設(shè)置

本節(jié)對算法的參數(shù)設(shè)置進行說明：(1) 對問題計算其前3標簽的隱性行為變量和前5標簽的隱性行為變量訓練回歸模型，分別命名為Top3-ARIB和Top5-ARIB；(2)基于標簽的隱性行為變量算法中的參數(shù)：tl1設(shè)置為3，tl2設(shè)置為5，tp1設(shè)置為5；(3)傾向性模型中的參數(shù)：傾向性模型需要計算的連續(xù)區(qū)間數(shù)N設(shè)置為3，傾向性向量的維度設(shè)置為5；th1設(shè)置為社區(qū)評分的均值；(4) 能力變量的計算使用開發(fā)者的repdtation、views、dpvotes和downvotes進行計算.(5) 將Top3-ARIB算法的回歸值映射到[0，5]的區(qū)間，Top5-ARIB算法映射到[0，7]的區(qū)間.

6.3 實驗設(shè)計

為了評估本文所提出的問題解決者推算法的有效性，本文使用公式(19)-公式(24)的評測指標.Recommend_d為推薦的問題解決者集合，d_Ranki為每個推薦問題解決者的排序位置.Reality_d 為實際回答者集合，d_RRanki為實際回答者的排序位置 .查全率Recall_rate@N如公式(19)所示，查準率Pr ecision_rate@N如公式(20)所示，所有問題集合Q的平均查全率Recall@N如公式(21)所示，所有問題集合Q的平均查準率Pr ecision@N如公式(22)所示，排序質(zhì)量MAP_rate@N如公式(23)所示，所有問題集合Q的平均排序質(zhì)量如公式(24)所示.

(19)

(20)

(21)

(22)

(23)

(i∈(Rcommend_U∩Reality_U))

j∈1…‖Rcommend_U∩Reality_U‖

(24)

6.4 實驗結(jié)果

本文選取以主題模型為主要方法的CQARank[12]和RanksLDA[13]進行比較，實驗時設(shè)置兩個算法的主題個數(shù)為50，比較推薦集合大小為Top20和Top50時在各個測評指標上的結(jié)果.

在Top@20的情況下，Top3/5-ARIB方法在排序質(zhì)量上略差于RanksLDA-50，但是在精確率和查準率上都取得了最佳的效果.同時，通過比較發(fā)現(xiàn)由于推薦集合較小，Top5-ARIB在查全率上并沒有表現(xiàn)出比Top3-ARIB更好的效果.

表4 相關(guān)方法對比Table 4 Related methods comparison

在Top@50的情況下，Top3/5-ARIB都取得了最佳的效果.同時，通過比較發(fā)現(xiàn)Top5-ARIB方法在三個指標上都只略高于Top3-ARIB方法，所以在實際應(yīng)用中采用Top3-ARIB方法能夠降低算法的復雜度

7 總 結(jié)

本文提出了基于開發(fā)者隱性行為的問題解決者推薦算法.基于標簽的隱性行為變量能夠充分獲取開發(fā)者的整體行為特征，從而找到潛在問題解決者.傾向性模型利用循環(huán)神經(jīng)網(wǎng)絡(luò)對開發(fā)的短期興趣進行預測，能夠很好地預測開發(fā)者的主觀傾向性.能力模型對開發(fā)者的能力進行度量.最終，將多個變量統(tǒng)一在貝葉斯多變量回歸的框架下.本文在Stackoverflow的真實數(shù)據(jù)上進行了實驗，證明了模型的有效性.