[发明专利]一种众包开发者推荐方法和装置

说明书

本发明涉及一种众包开发者推荐方法和装置，属于计算机技术领域，解决了现有技术中的相关信息少，对开发人员预测的准确率低的问题。众包开发者推荐方法包括：从开源社区的众包平台中获取多个众包任务数据，其中，多个众包任务数据包括：任务特征数据、开发者特征数据、开发者在开源社区中的数据以及开发者与任务的历史关系数据；将多个众包任务数据转换为输入矩阵；根据输入矩阵和众包任务与开发者的标记构建LGBM模型，并对LGBM模型进行训练，以获得LGBM预测模型；以及利用LGBM预测模型对待推荐任务进行开发者预测，以确定待推荐的开发者列表。通过完整全面的众包任务数据提高了人员推荐的正确率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种众包开发者推荐方法和装置。

背景技术

现有的人员推荐的方法通常是基于平台通过以下两种方法来完成推荐任务：基于人员历史活动的数据构建预测模型。基于任务文本特征建模的方法通过任务的标题、正文、图像等信息构建预测模型，进行人员推荐。

因此，现有人员预测方法具有以下缺点：

1、现有人员推荐方法没有考虑众包任务与开发人员之间的关系，忽略了人员与任务之间的一些潜在联系；以及

2、用于人员推荐的相关信息较少，导致人员推荐的准确度低。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种众包开发者推荐方法和装置，用以解决现有人员预测方法未考虑众包任务与开发人员之间的关系以及人员的相关信息少导致的预测准确度低的问题。

一方面，本发明实施例提供了一种众包开发者推荐方法，包括：从开源社区的众包平台中获取多个众包任务数据，其中，所述多个众包任务数据包括：任务特征数据、开发者特征数据、开发者在开源社区中的数据以及开发者与任务的历史关系数据；将所述多个众包任务数据转换为输入矩阵；根据所述输入矩阵和众包任务与开发者的标记构建LGBM模型，并对所述LGBM模型进行训练，以获得LGBM预测模型；以及利用所述LGBM预测模型对待推荐任务进行开发者预测，以确定待推荐的开发者列表。

上述技术方案的有益效果如下：通过多个众包任务数据包括开发人员的特征数据、任务的特征数据、开发人员在开源社区中的特征数据、开发人员与任务的历史关系数据，使得这样完整全面的众包任务数据能够提高人员推荐的正确率。基于这样完整全面的众包任务数据所构建的LGBM预测模型能够提高人员推荐的精度。

基于上述方法的进一步改进，所述任务特征数据包括：任务持续时间、任务所需的技能、任务的标题、任务的文本描述、任务的难度、任务预计消耗时间、任务的虚拟货币奖励、任务的美元奖励。

基于上述方法的进一步改进，所述开发者特征数据包括：开发者的注册任务总数、开发者最近一次注册时间、开发者影响关系图排名、最近三个月开发者注册的任务数、开发者注册但尚未完成的任务数、最近的十次任务开发者注册的任务数。

基于上述方法的进一步改进，所述开发者影响关系图排名的获取步骤进一步包括：构建开发者影响关系图，其中，当所述开发者影响关系图中的边从第一开发者指向第二开发者时，所述边的值为所述第一开发者和所述第二开发者都注册的任务数量除以所述第二开发者的任务数量；根据PageRank算法，所述开发者关系影响图中当前节点的PageRank值等于所述当前节点对其他节点的影响之和；以及根据所述PageRank值的大小进行排序，获取所述开发者影响关系图排名。

基于上述方法的进一步改进，所述开发者在开源社区中的数据包括：开发者在开源社区中的注册时间、粉丝数、关注者数、发布开源项目数和参与开源项目数。