[发明专利]一种基于主题关联关系分析的开源软件推荐方法

权利要求书

1.一种基于主题关联关系分析的开源软件推荐方法，其特征在于：包括以下步骤：

对开源软件的主题提取步骤：使用LDA主题模型对开源软件的项目文档进行主题提取，并用提取得到的主题特征对开源软件进行刻画；

对开源软件的关系建模步骤：使用概率矩阵分解方法计算任意两个开源软件之间的关系强度，并根据计算得到的关系强度来为某个开源软件做出推荐；

所述开源软件推荐方法具体包括如下步骤：

步骤1：从开源软件仓库获取需要的开源软件的数据，假设从开源软件仓库获取得到了N个开源软件的数据，这N个开源软件的集合用P表示，P＝{p₁,p₂,…,p_N}，其中，N为正整数，p_i表示获取得到的第i个开源软件；

步骤2：获取集合P中的开源软件p_i的项目文档，把集合P中所有的开源软件的项目文档组成一个语料库W；

步骤3：对由N个开源软件的项目文档组成的语料库W，使用LDA主题模型对其进行主题提取，假设LDA主题模型提取出k个主题，那么对P中的任意一个开源软件p_i，使用LDA主题模型提取得到的p_i的主题特征θ_i是一个长度为k的列向量，因此，P中N个开源软件的主题特征就构成一个k行N列的主题矩阵Θ；

步骤4：对P中的每个开源软件p_i，获取p_i的项目持有者提供的主题列表，如果p_i的项目持有者没有提供主题列表，则为p_i设置一个空的主题列表，p_i的主题列表用t_i表示，把P中所有的开源软件的主题列表组成一个集合T；

步骤5：从由N个开源软件的主题列表组成的集合T中选取任意两个主题列表t_i和t_j，t_i是开源软件p_i的主题列表，t_j是开源软件p_j的主题列表，p_i和p_j之间的关系强度r_ij等于t_i和t_j的交集大小比上t_i和t_j的并集大小；计算得到P中每一对开源软件之间的关系强度之后，把得到的关系强度组成一个N行N列的观测矩阵O，O中第i行第j列的元素表示开源软件p_i和p_j之间的关系强度的观测值；

步骤6：把由LDA主题模型提取得到的主题特征组成的主题矩阵Θ和由开源软件持有者提供的主题列表计算得到的观测矩阵O输入给关系模型，则关系模型输出一个N行N列的近似矩阵E，E中第i行第j列的元素表示开源软件p_i和p_j之间的关系强度的预测值；

步骤7：对于P中任意两个开源软件p_i和p_j，如果p_i和p_j的持有者都提供了主题列表，则p_i和p_j之间的关系强度用观测值表示；如果p_i和p_j中至少有一个持有者未提供主题列表，则p_i和p_j之间的关系强度用预测值表示；

步骤8：对P中任意一个开源软件p_i，按照p_i与其它N-1个开源软件之间的关系强度为p_i做出推荐。