面向开源社区的开发者群体行为分析方法
| 摘要 | 第11-13页 |
| Abstract | 第13-14页 |
| 第一章 绪论 | 第15-29页 |
| 1.1 研究背景 | 第15-17页 |
| 1.2 开源软件 | 第17-23页 |
| 1.3 问题提出 | 第23-25页 |
| 1.4 本文主要研究内容及创新 | 第25-27页 |
| 1.5 论文组织结构 | 第27-29页 |
| 第二章 相关研究工作 | 第29-49页 |
| 2.1 复杂网络 | 第29-41页 |
| 2.1.1 复杂网络的定义及表示 | 第29-32页 |
| 2.1.4 复杂网络的基本参数 | 第32-34页 |
| 2.1.5 复杂网络经典模型 | 第34-38页 |
| 2.1.6 复杂网络在软件工程领域的应用 | 第38-41页 |
| 2.2 群体协同行为 | 第41-43页 |
| 2.2.1 大规模群体协同模型 | 第41-42页 |
| 2.2.2 群体软件开发 | 第42-43页 |
| 2.3 开源软件研究 | 第43-47页 |
| 2.3.1 开源软件演化 | 第43-44页 |
| 2.3.2 开源社区协作开发 | 第44-45页 |
| 2.3.3 开源软件平台的吸引因素和用户关系分析 | 第45-46页 |
| 2.3.4 开源软件数据平台 | 第46-47页 |
| 2.4 小结 | 第47-49页 |
| 第三章 面向开源社区的开发者信息挖掘框架 | 第49-73页 |
| 3.1 引言 | 第49-50页 |
| 3.2 研究现状 | 第50-55页 |
| 3.2.1 软件资源挖掘技术 | 第50-52页 |
| 3.2.2 软件开发任务挖掘技术 | 第52-53页 |
| 3.2.3 软件知识挖掘技术 | 第53-55页 |
| 3.3 面向开源社区的开发过程信息挖掘 | 第55-58页 |
| 3.3.1 开源社区数据获取的应用需求 | 第55-56页 |
| 3.3.2 开源社区数据挖掘的主要挑战 | 第56-57页 |
| 3.3.3 正则表达式在挖掘框架中的应用 | 第57-58页 |
| 3.4 框架的总体设计 | 第58-59页 |
| 3.5 开源社区邮件列表数据挖掘 | 第59-67页 |
| 3.5.1 开源社区邮件列表挖掘方法 | 第61-63页 |
| 3.5.2 开源社区邮件列表数据分析 | 第63-67页 |
| 3.6 开源社区开发者参与项目行为挖掘 | 第67-71页 |
| 3.7 小结 | 第71-73页 |
| 第四章 基于开发者社交网络的开发者行为分析 | 第73-95页 |
| 4.1 引言 | 第73页 |
| 4.2 研究现状 | 第73-76页 |
| 4.3 开发者贡献行为分析与评估 | 第76-83页 |
| 4.3.1 开发者贡献行为 | 第76-78页 |
| 4.3.2 贡献度预测模型 | 第78-79页 |
| 4.3.3 案例分析 | 第79-83页 |
| 4.4 开发者网络和项目网络结构分析 | 第83-93页 |
| 4.4.1 研究对象 | 第83-85页 |
| 4.4.2 实验结果 | 第85-93页 |
| 4.5 小结 | 第93-95页 |
| 第五章 开源软件开发者与软件产品的协同演化分析 | 第95-105页 |
| 5.1 引言 | 第95页 |
| 5.2 研究现状 | 第95-96页 |
| 5.3 研究对象 | 第96-97页 |
| 5.4 开发者数量演化分析 | 第97-99页 |
| 5.5 开发者自愿度分析 | 第99-100页 |
| 5.6 开发者经验分析 | 第100-101页 |
| 5.7 开发者流失与包丢弃情况分析 | 第101-102页 |
| 5.8 实验结果 | 第102-103页 |
| 5.9 小结 | 第103-105页 |
| 第六章 总结和展望 | 第105-109页 |
| 6.1 本文的主要工作 | 第105-107页 |
| 6.2 下一步工作展望 | 第107-109页 |
| 参考文献 | 第109-132页 |
| 攻读博士学位期间发表的科研成果 | 第132-133页 |
| 攻读博士学位期间参与的科研项目 | 第133-134页 |
| 致谢 | 第134页 |
