论文部分内容阅读
利用因子分解机(Factorization Machines,FM)模型,提出了一种在群体参与平台上对开源软件的推荐方法。通过抽取开源软件的文字、代码和标签等特征信息加入模型中训练,以机器学习的结果完成推荐。利用码云网站实例分析开发者对开源软件的行为,建立开发者对开源软件感兴趣评级,并生成使用者与开源软件的关系矩阵作为学习目标。实验表明,与传统的推荐方法协同过滤相比,所提出的方法在平均精确均值(Mean Average Precision, MAP)、召回率(Recall)与F1 分数(F1 Score)