开源软件在这些年快速发展,常见的开源软件库通常有数十万开源软件项目。软件工程师通常要搜索开源软件库以获得解决方案或者可重用的部件。为了便于开源软件的检索,目前多数开源软件库为软件提供多个描述其功能或特性的标注。软件标注现在使用的方法是人工标注软件。但是,人工的过程代价很大,并且很耗时。所以本文想要以自动化的方式来标注开源软件。在开源软件库中,很多开源软件项目具有缺失的标注,甚至有很大一部分开源软件不具有任何标注。本文基于弱标记学习对开源软件自动标注进行研究和分析,取得了如下创新结果:第一,开源软件库中不同标注的数量非常多,对于大多数标注而言,具有该标注的软件数量远少于不具有这个标注的软件数量。这种分布的不平衡性导致对大多数标注而言,具有该标注的开源软件概念信息很弱,传统多标记学习算法难以取得较好的效果。针对开源软件库中标注概念信息弱,本文提出了开源软件自动标注算法ML-CKNN,该方法通过在多标记学习算法中引入代价信息,让分类器对每个标注的正类更加敏感,有效缓解了标注数量过多带来的类别不平衡性。第二,在开源软件库中大量开源软件的标注是不完备的,即很多与开源软件相关的标注没有被标注上。这就导致开源软件完备性弱。许多多标记学习算法,通常有一个隐含的假设,即每一个样本的标注集合是完备的。在这种情况下,难以取得较好性能。针对开源软件项目标注完备性弱,本文提出了一种基于不完备标记学习的开源软件自动标注算法TagWell。该方法能够补齐开源软件库中软件项目缺失的标注。第三,不同开源软件项目的同一个功能可能使用不同的标注,比如同义词,或者同一个词的不同词型;不同的标注之间也有相互关系,但是这种关联信息很弱。目前,开源软件库尚未能利用到标注之间这种相互关系。针对开源软件标注关联性弱,本文提出了开源软件自动标注方法ML-RKNN,利用多源信息交互,有效学习到标注与标注之间相互关系,文本描述与标注之间的相互关系。从而,能够为开源软件项目提供给高质量的标注。