在开源这几十年的发展中,有的开源项目盛极一时却又迅速落幕,有的开源项目却始终保持屹立不倒。PostgreSQL始终是最活跃的开源关系数据库,无人出其右;而在Docker横行的年代,Kubernetes却异军突起,俨然成为了行业的实际标准。究其根本,还是开源社区这份“土壤”不同,导致了开源项目走上了不同的发展道路。而一个开源项目的治理水平对开源社区的发展起到了决定性作用。因此,如何对一个开源项目的治理程度做出正确且高效的评价就成为了具有重要研究意义的科学命题。在开源不断发展的过程中,一些具有现实意义的开源治理最佳实践逐渐被大家所认可。基于这些最佳实践,许多学者对开源治理展开研究并提出了多个评估开源治理成熟度的指标或模型。本文深入介绍了其中较为流行的模型与相关项目,通过对比,分析了各自的优缺点,发现无论哪种方法都存在准确性与效率上的失衡。有的模型效果虽然好,但是评价过程非常复杂,导致存在较高的使用门槛;有的模型评价过程较为简单,因此效果也不尽如人意。针对目前存在的开源治理评估难、效率低问题,本文从开源协作场景出发,构建了一套开源治理最佳实践数据集CIISet,提出了分段拟合与双层注意力机制相结合的开源治理成熟度评估模型OSGMAM,基于异质图神经网络对开源治理成熟度评估模型的复杂多元非线性关系进行回归拟合,从而展开自动化评估,最后基于预训练模型设计并实现了开源治理评估系统OpenCertified。具体贡献点如下:（1）构建了开源治理最佳实践数据集CIISet:为解决开源治理研究领域中缺乏高质量数据集的问题,本文对CII认证数据、GitHub日志事件数据进行采集分析,详细阐述了各类数据的数据结构与元数据结构。经过清洗、整合后构建了开源治理最佳实践数据集CIISet,最后对CIISet的整体结构与真实数据情况进行展示,并对图数据集整体性质的进行了分析。（2）基于异质图神经网络的开源治理成熟度评估模型:针对开源协作场景存在的不平衡性,本文提出了分段拟合与双层注意力机制相结合的开源治理成熟度评估模型OSGMAM。通过异质图神经网,对CIISet构建的开源协作子网络进行特征抽取,经由下游回归任务对开源项目的治理成熟度进行自动化评估。最后通过在CIISet数据集上与其他模型进行对比实验,结果表明本模型相对于其他模型在开源治理成熟度评估上有准确性的优势。（3）开源治理评估系统OpenCertified设计与实现:基于开源治理成熟度评估模型,本文还设计并实现了开源项目治理成熟度评估系统OpenCertified,提供开源项目查询、数据自动采集存储、开源项目治理成熟度评估等功能。OpenCertified采用B/S架构,部署在服务端运行,提供用户快捷使用的开源治理评估能力。通过对系统进行功能与性能测试,验证了 OpenCertified具有完备的功能与较好的性能表现。总之,本文围绕开源治理成熟度评估展开研究,构建了 CIISet数据集,基于异质图神经网络提出了面向开源治理的成熟度评估模型OSGMAM,最后设计并实现了开源治理评估系统OpenCertified。实验结果表明,与其他模型相比,OSGMAM在开源治理成熟度评估上具有准确优势。