随着开源软件的蓬勃发展,越来越多的人加入开源软件的开发中,使得开源软件的数量在近两年内呈指数增长。海量的开源软件数据为用户提供了更多的选择,但同时也给用户定位软件资源带来巨大困难。首先,数百万的开源软件质量良莠不齐,用户仅从软件描述等基本信息上很难分辨软件的质量。第二,在同类软件数量众多的情况下,用户难以从中找到真正符合其需求的资源。在这样的背景下,软件推荐技术则成为帮助用户快速解决上述两点问题的有效方式之一。此外,随着开源软件的开发者和用户对开源社区的需求不断丰富,开源社区的建设逐渐完善,众多的开源社区可以大致分为用于开源软件的协同开发和托管的协同开发社区以及用于用户讨论的知识分享社区。开源社区的丰富带来了多样化的数据,但是同时,由于不同社区中提供的数据相互独立,因此与开源软件相关的数据也呈现分散化和碎片化分布。如何有效地将不同社区的数据组织起来成为能否充分利用社区数据的关键。虽然不同开源社区中的数据具有隔离性,但在实际中,两类社区的数据的交互和关联十分密切。目前关于开源软件数据的研究中,大部分研究都关注单个社区,但两类社区的关联,尤其是用户的反馈对解决软件质量、软件推荐等问题具有非常重要的作用。因此,为了充分利用跨社区的开源数据,本文首先提出了一个开源社区图模型。通过异构的图模型表示多种社区的数据及数据间的关联。然后,本文利用建立的开源社区图模型分析哪些指标可以作为软件质量的度量因素。最后,在开源社区图模型和软件质量度量研究的基础上,本文提出了一个开源社区软件推荐算法,帮助用户快速定位到其所需的软件资源,由于在软件推荐算法中参考了软件质量因素,本文提供的推荐结果在保证相关性的前提下,还充分考虑了软件的质量。在与其他开源社区的同类推荐结果进行比较和评估后认为,本文提供的推荐结果更加具有实用性。