1.概述

? ?軟件成熟度評估的最終目標是幫助軟件的可持續發展,并為用戶應用提供必要的技術參考。開放源代碼軟件成熟度評估也不例外。我們通過軟件的成熟度評估,形成全面的涉及技術、應用、法律等層面的評價報告,幫助那些正在或潛在的開源軟件使用者準確的了解軟件的技術特性和應用特性,從而為他們選擇適合自身需求的開源軟件提供參考。同時報告中涉及的大量評測數據,為開源軟件的開發者提供幫助,促進他們有效的改善軟件在技術方面和使用方面的質量,使軟件不斷成熟和可持續的發展。

? ?開放源代碼軟件由于開發模式和運作模式的獨特性,其軟件帶有鮮明的特點。開放源碼軟件成熟度評估的方法需要我們在實踐中不斷的探索。我們將提出一些基本的原則和方法,并建立我們自己的評估體系和計算模型。

2.項目分析

? ? ?

? ? ? 2.1 項目簡介

? ?Ospaf(open source project analyze framework)項目的發起是作為 CSDN 舉辦的 summer code 的項目之一。Ospaf 工具的主要功能是可以通過采集開源項目的相關數據,通過機器學習的算法建立開源項目成熟度評估模型,從而實現對于開源項目的評估。

? ??

? ? ? 2.2 數據來源

? ? 目前世界上最火的項目托管網站是 github,ospaf 采用github 作為入手點。通過讀取 Ghtorrent 和 github-api 采集數據。同時 ohloh 也對開源項目進行分析并開放數據,ospaf 的部分數據采集自 ohloh。

??

? ? ? 2.3 數據挖掘
? ? ? ??

? ? ? ? ?2.3.1 特征值的提取

? ?

? ? Ospaf 項目的特征主要包括三個方面,分別是原始特征、衍生特征、抽象特征。

? ? 原始特征包含一些 github-api 提供的參數,例如項目的star 數量和 fork 數量等。

? ? 衍生特征包括對原始特征進行處理產生的特征,比如提取任意相鄰兩個月的 star 數量的增長數做比值,可以得到star 的增長率作為特征。

? ? 抽象特征分為以下幾種類型。第一種,通過提取項目commit 語句中的高頻詞匯(包含 revert、update 等)作為特征。第二種,計算開源項目 contributor 中star-contributor 的比重。第三種,分析郵件列表等數據。

? ? ? ?

? ? ? ? 2.3.2 模型的建立

??

? ? Ospaf 項目模型的建立主要是通過機器學習算法來實現。第一步,去除噪音將數據庫中的數據按照高斯去噪法,將噪聲數據去除。第二步,歸一化處理因為建立模型用到了回歸算法,為了減小不同量綱特征對結果的影響,對所有特征進行歸一化處理。第三步,聚類產生目標序列將公認的比較成熟的開源項目的數據導入訓練集并聚類分析,生成目標序列。第四步,利用邏輯回歸生成數學模型利用邏輯回歸算法,對訓練集進行訓練,生成最終的數學模型。

? ? 2.4 項目創新點

? ?(1)以大數據為背景,利用機器學習算法進行開源項目評估的建模。目前,對開源項目的評估一般都是基于 KQI 指標的用戶評價,例如 Ospaf 這種利用 KPI 指標進行數學建模評估的案例仍不多見。

? ?(2)特征的多樣性,之前對一個開源項目的評價可能只是簡單地利用 star 數或是用戶打分的方式。Ospaf 在這些特征的基礎上,更添加了一些抽象特征,比如跟時間序列有關的一些增長率特征,用戶 commits 語句中提取的特征

? ?(3)可以根據用戶的需求進行評測。因為各個特征都是獨立的,所以可以通過改變特征的權重來對項目進行評測。比如用戶 A 需要用戶關注度高的項目,那么就可以相應的提高用戶關注度方面的特征的權重。

3.項目流程圖

?

項目地址：

?csdn托管：https://code.csdn.net/davidmain/ospaf

?github托管：https://github.com/ospaf/ospaf-primary ?(跪求star)

/********************************

* 本文來自博客 ?“李博Garvin“

* 轉載請標明出處:http://blog.csdn.net/buptgshengod

******************************************/

總結

以上是生活随笔為你收集整理的ospaf-开源项目成熟度分析工具的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。