[发明专利]一种预测开源社区贡献请求评审结果的方法

权利要求书

1.一种预测开源社区贡献请求评审结果的方法，其特征在于，包括以下步骤：

提取待训练贡献请求的特征，生成特征向量；

采用XGBoost算法构建预测模型XGPredict；

利用上述模型对待预测的贡献请求进行评审结果预测。

2.根据权利要求1所述的方法，其特征在于，结合GitHub评审流程，从代码、文本、贡献者、项目四个维度提取待训练贡献请求的特征。

3.根据权利要求1或2所述的方法，其特征在于，所述对待预测的贡献请求进行评审结果预测，包括：

提取待预测的贡献请求的特征，生成特征向量；

将上述特征向量输入到预测模型XGPredict中，进行评审结果预测。

4.根据权利要求3所述的方法，其特征在于，所述进行评审结果预测，包括：预测模型XGPredict给出贡献请求分别属于接受和拒绝类别的概率，概率大者即为该贡献请求的预测类别。

5.根据权利要求4所述的方法，其特征在于，提取的特征包括：与前N1个月接受的贡献请求的文本相似度、与前N1个月拒绝的贡献请求的文本相似度、最近N1个月项目对贡献请求的通过率、前N2个贡献请求中的通过数、前N2个贡献请求中的拒绝数、上一个贡献请求是否拒绝、最近N1个月涉及贡献请求文件的直接代码提交数、历史贡献请求中的文件的历史拒绝率、贡献请求的代码增加行数、贡献请求的代码删除行数、贡献请求的代码增加行数+代码删除行数、贡献请求是否包含正文、贡献请求的文本中是否包含外链、贡献请求包含文件数、贡献请求是否包含测试文件、提交者的历史通过率、是否由核心人员提交。

6.根据权利要求5所述的方法，其特征在于，所述文本相似度，求取过程包括：

利用NLP技术对贡献请求的标题和正文做切词，提取词干并作去停用词处理；

使用TF-IDF将贡献请求的文本转化为TF-IDF向量；

利用余弦距离来表示两个贡献请求之间的文本相似度。

7.根据权利要求6所述的方法，其特征在于，所述使用TF-IDF将贡献请求文本转化为TF-IDF向量，公式为：

其中，tf_pr，s为贡献请求中词语s出现的频率，df_s是词语s在所有文档中出现的频率，NT是文档总数。

8.根据权利要求7所述的方法，其特征在于，所述利用余弦距离来表示两个贡献请求之间的文本相似度，公式为：

其中，P_a和P_b为两个贡献请求，α和β分别表示P_a和P_b对应的TF-IDF向量，||α||为向量α的第2-范数，||β||为向量β的第2-范数。

9.根据权利要求8所述的方法，其特征在于，N1＝3，N2＝10。

10.根据权利要求9所述的方法，其特征在于，所述待训练贡献请求为带有真实评审结果标签的的历史贡献请求。