Developer recommendation method based on E-CARGO model

doi:10.11772/j.issn.1001-9081.2021020273

Journal of Computer Applications ›› 2022, Vol. 42 ›› Issue (2): 557-564.DOI: 10.11772/j.issn.1001-9081.2021020273

• Computer software technology • Previous Articles Next Articles

Developer recommendation method based on E-CARGO model

Wei LI, Qunqun WU, Yiwen ZHANG()

School of Computer Science and Technology，Anhui University，Hefei Anhui 230601，China

Received:2021-02-27 Revised:2021-04-21 Accepted:2021-04-28 Online:2022-02-11 Published:2022-02-10
Contact: Yiwen ZHANG
About author:LI Wei， born in 1969， Ph. D.， professor. Her research interests include software engineering， virtual reality human-computer interaction， data mining.
WU Qunqun， born in 1996， M. S. candidate. His research interests include service computing， recommendation system.
ZHANG Yiwen， born in 1976， Ph. D.， professor. His research interests include service computing， recommendation system， big data analysis.
Supported by:
National Key Research and Development Program of China(2019YFB1704101);National Natural Science Foundation of China(61872002)

基于E-CARGO模型的开发者推荐方法

李炜, 吴群群, 张以文()

安徽大学计算机科学与技术学院，合肥 230601

通讯作者: 张以文
作者简介:李炜（1969—），女，安徽合肥人，教授，博士，主要研究方向：软件工程、虚拟现实人机互动、数据挖掘；
吴群群（1996—），男，安徽马鞍山人，硕士研究生，主要研究方向：服务计算、推荐系统；
张以文（1976—），男，安徽合肥人，教授，博士，CCF会员，主要研究方向：服务计算、推荐系统、大数据分析。
基金资助:
国家重点研发计划项目(2019YFB1704101);国家自然科学基金资助项目(61872002)

Abstract

Abstract:

Because the traditional developer recommendation methods focus on analyzing the developers’ professional abilities and the interaction information with the tasks， without considering the problem of collaboration between the developers， a developer recommendation method based on Environment-Class， Agent， Role， Group， and Object （E-CARGO） model was proposed. Firstly， the developer collaborative development process was described as a role-based collaboration problem and modeled by E-CARGO model combining the characteristics of collaborative development. Then， a fuzzy judgment matrix was established by Fuzzy Analytic Hierarchy Process （FAHP） method to obtain the developer ability index weights and weighted sum of them， thereby obtaining the set of historical comprehensive ability evaluation of the developers. Finally， in view of the uncertainty and dynamic characteristics of the developers’ comprehensive ability evaluation， the cloud model theory was used to analyze the set of historical comprehensive ability evaluation of the developers to obtain the developers’ competence for each task， and the cplex optimization package was used to solve the developer recommendation problem. Experimental results show that the proposed method can obtain the best developer recommendation results within an acceptable time range， which verifies the effectiveness of the proposed method.

Key words: Environment-Class, Agent, Role, Group, and Object (E-CARGO) model, developer recommendation, Fuzzy Analytic Hierarchy Process (FAHP) method, cloud model theory, developer ability measurement

摘要：

针对传统开发者推荐方法侧重于分析开发者的专业能力以及与任务的交互信息，而未考虑开发者间协作性的问题，提出一种基于E-CARGO（Environment-Class， Agent， Role， Group， and Object）模型的开发者推荐方法。首先结合协作开发的特点，将开发者协同开发过程描述为基于角色的协作，并使用E-CARGO模型对其进行建模；然后使用模糊层次分析（FAHP）法来建立模糊判断矩阵，从而求得开发者能力指标权重并进行加权求和，进而得到开发者历史综合能力评价集合；最后针对开发者综合能力评价的不确定和动态特性，利用云模型理论对开发者历史综合能力评价集合进行分析，以求得开发者对于每个任务的胜任能力，并利用cplex优化包对开发者推荐问题进行求解。实验结果表明，所提方法能够在可接受的时间范围内求得最优的开发者推荐结果，验证了所提方法的有效性。

关键词: E-CARGO模型, 开发者推荐, 模糊层次分析法, 云模型理论, 开发者能力度量

CLC Number:

TP301

Wei LI, Qunqun WU, Yiwen ZHANG. Developer recommendation method based on E-CARGO model[J]. Journal of Computer Applications, 2022, 42(2): 557-564.

李炜, 吴群群, 张以文. 基于E-CARGO模型的开发者推荐方法[J]. 《计算机应用》唯一官方网站, 2022, 42(2): 557-564.

Figures/Tables 8

References 29

1	王怀民，尹刚，谢冰，等.基于网络的可信软件大规模协同开发与演化［J］.中国科学：信息科学， 2014， 44（1）： 1-19.
	WANG H M， YIN G， XIE B， et al. Research on network-based large-scale collaborative development and evolution of trustworthy software［J］. SCIENTIA SINICA Informations， 2014， 44（1）： 1-19.
2	BEGEL A， BOSCH J， STOREY M A. Social networking meets software development： perspectives from GitHub， MSDN， Stack Exchange， and TopCoder［J］. IEEE Software， 2013， 30（1）： 52-66. 10.1109/ms.2013.13
3	ŠMITE D， MOE N B， ŠĀBLIS A， et al. Software teams and their knowledge networks in large-scale software development［J］. Information and Software Technology， 2017， 86： 71-86. 10.1016/j.infsof.2017.01.003
4	刘鹏，张鹏臣，王念新.开源软件社区开发者协作网络结构演化分析——以Cloud Foundry社区为例［J］.复杂系统与复杂性科学， 2019， 16（4）： 31-43. 10.1007/978-981-15-1209-4_7
	LIU P， ZHANG P C， WANG N X. Structure and evolution of developer collaboration network in Cloud Foundry OSS community［J］. Complex Systems and Complexity Science， 2019， 16（4）： 31-43. 10.1007/978-981-15-1209-4_7
5	刘晓，李兵，何鹏.开源软件社区开发者合作网络的演化分析［J］.小型微型计算机系统， 2015， 36（9）： 1921-1926. 10.3969/j.issn.1000-1220.2015.09.001
	LIU X， LI B， HE P. Evolution analysis of developer collaboration network in open source software community［J］. Journal of Chinese Computer Systems， 2015， 36（9）： 1921-1926. 10.3969/j.issn.1000-1220.2015.09.001
6	ALJEMABI M A， WANG Z J. Empirical study on the evolution of developer social networks［J］. IEEE Access， 2018， 6： 51049-51060. 10.1109/access.2018.2868427
7	MENS T， CATALDO M， DAMIAN D. The social developer： the future of software development ［guest editors' introduction］［J］. IEEE Software， 2019， 36（1）： 11-14. 10.1109/ms.2018.2874316
8	LI G L， WANG J N， ZHENG Y D， et al. Crowdsourced data management： a survey［J］. IEEE Transactions on Knowledge and Data Engineering， 2016， 28（9）： 2296-2319. 10.1109/tkde.2016.2535242
9	COSENTINO V， IZQUIERDO J L C， CABOT J. A systematic mapping study of software development with GitHub［J］. IEEE Access， 2017， 5： 7173-7192. 10.1109/access.2017.2682323
10	AHMED F， KILIC K. Fuzzy analytic hierarchy process： a performance analysis of various algorithms［J］. Fuzzy Sets and Systems， 2019， 362： 110-128. 10.1016/j.fss.2018.08.009
11	ZHU H B， ZHOU M C. Role-based collaboration and its kernel mechanisms［J］. IEEE Transactions on Systems， Man， and Cybernetics， Part C： Applications and Reviews， 2006， 36（4）： 578-589. 10.1109/tsmcc.2006.875726
12	SUN X B， YANG H， XIA X， et al. Enhancing developer recommendation with supplementary information via mining historical commits［J］. Journal of Systems and Software， 2017， 134： 355-368. 10.1016/j.jss.2017.09.021
13	ZHANG X H， WANG T， YIN G， et al. DevRec： a developer recommendation system for open source repositories ［C］// Proceedings of the 2017 International Conference on Software Reuse， LNCS10221. Cham： Springer， 2017： 3-11. 10.1007/978-3-319-56856-0_1
14	HE X N， LIAO L Z， ZHANG H W， et al. Neural collaborative filtering ［C］// Proceedings of the 26th International Conference on World Wide Web. Republic and Canton of Geneva： International World Wide Web Conferences Steering Committee， 2017： 173-182. 10.1145/3038912.3052569
15	XIN X， HE X N， ZHANG Y F， et al. Relational collaborative filtering： modeling multiple item relations for recommendation ［C］// Proceedings of the 42nd International ACM SIGIR Conference on Research and Development in Information Retrieval. New York： ACM， 2019： 125-134. 10.1145/3331184.3331188
16	WANG X， HE X N， WANG M， et al. Neural graph collaborative filtering ［C］// Proceedings of the 42nd International ACM SIGIR Conference on Research and Development in Information Retrieval. New York： ACM， 2019： 165-174. 10.1145/3331184.3331267
17	XIE X Q， WANG B， YANG X C. SoftRec： multi-relationship fused software developer recommendation［J］. Applied Sciences， 2020， 10（12）： No.4333. 10.3390/app10124333
18	ZHANG Z Y， SUN H L， ZHANG H Y. Developer recommendation for Topcoder through a meta-learning based policy model［J］. Empirical Software Engineering， 2020， 25（1）： 859-889. 10.1007/s10664-019-09755-0
19	ZHU H B， ZHOU M C. Roles in information systems： a survey［J］. IEEE Transactions on Systems， Man， and Cybernetics， Part C： Applications and Reviews， 2008， 38（3）： 377-396. 10.1109/tsmcc.2008.919168
20	ZHU H B， ZHOU M C， ALKINS R. Group role assignment via a Kuhn-Munkres algorithm-based solution［J］. IEEE Transactions on Systems， Man， and Cybernetics， Part A： Systems and Humans， 2012， 42（3）： 739-750. 10.1109/tsmca.2011.2170414
21	ZHU H B. Avoiding conflicts by group role assignment［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2016， 46（4）： 535-547. 10.1109/tsmc.2015.2438690
22	ZHU H B， LIU D N， ZHANG S Q， et al. Solving the group multirole assignment problem by improving the ILOG approach［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2017， 47（12）： 3418-3424. 10.1109/tsmc.2016.2566680
23	ZHU H B， SHENG Y， ZHOU X Z， et al. Group role assignment with cooperation and conflict factors［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2018， 48（6）： 851-863. 10.1109/tsmc.2016.2633244
24	LIU D N， HUANG B Y， ZHU H B. Solving the tree-structured task allocation problem via group multirole assignment［J］. IEEE Transactions on Automation Science and Engineering， 2020， 17（1）： 41-55. 10.1109/tase.2019.2908762
25	ZHU H B， ZHU Y. Group role assignment with agents’ preferences ［C］// Proceedings of the IEEE 14th International Conference on Networking， Sensing and Control. Piscataway： IEEE， 2017： 605-610. 10.1109/icnsc.2017.8000160
26	ZHU H B. Group multi-role assignment with conflicting roles and agents［J］. IEEE/CAA Journal of Automatica Sinica， 2020， 7（6）： 1498-1510. 10.1109/jas.2020.1003354
27	SAATY T L. Modeling unstructured decision problems — the theory of analytical hierarchies［J］. Mathematics and Computers in Simulation， 1978， 20（3）： 147-158. 10.1016/0378-4754(78)90064-2
28	WANG G Y， XU C L， LI D Y. Generic normal cloud model［J］. Information Sciences， 2014， 280： 1-15. 10.1016/j.ins.2014.04.051
29	MA H， ZHU H B， LI K Q， et al. Collaborative optimization of service composition for data-intensive applications in a hybrid cloud［J］. IEEE Transactions on Parallel and Distributed Systems， 2019， 30（5）： 1022-1035. 10.1109/tpds.2018.2879603

开发者	Ω₁	Ω₂	Ω₃
Λ₁	｛（0.6， 0.5， 0.8， 0.6）｝	｛（0.8， 0.5， 0.4， 0.8）｝	｛（0.5， 0.5， 0.9， 0.8）｝
Λ₂	｛（0.8， 0.5， 0.4， 0.8）（0.6， 0.6， 0.6， 0.8）（0.8， 0.6， 0.6， 0.8）｝	｛（0.7， 0.5， 0.5， 0.5）（0.6， 0.6， 0.6， 0.6）（0.7， 0.8， 0.5， 0.9）｝	｛（0.8， 0.7， 0.6， 0.6）（0.8， 0.8， 0.5， 0.7）（0.7， 0.7， 0.8， 0.8）（0.9， 0.7， 0.8， 0.8）｝
Λ₃	｛（0.8， 0.7， 0.9， 0.8）（0.9， 0.8， 0.9， 0.8）（0.8， 0.8， 0.6， 0.8）（0.7， 0.7， 0.8， 0.8）｝	｛（0.7， 0.6， 0.9， 0.8）（0.9， 0.7， 0.5， 0.6）（0.8， 0.6， 0.6， 0.7）｝	｛（0.8， 0.8， 0.9， 0.8）（0.8， 0.8， 0.8， 0.8）（0.8， 0.7， 0.9， 0.8）｝
Λ₄	｛（0.5， 0.8， 0.8， 0.8）（0.6， 0.7， 0.9， 0.9）（0.7， 0.6， 0.7， 0.8）（0.6， 0.6， 0.8， 0.8）｝	｛（0.8， 0.6， 0.8， 0.9）（0.8， 0.8， 0.9， 0.8）（0.8， 0.8， 0.6， 0.6）（0.6， 0.7， 0.7， 0.9）｝	｛（0.7， 0.7， 0.9， 0.9）｝
Λ₅	｛（0.9， 0.6， 0.8， 0.9）（0.8， 0.7， 0.9， 0.8）｝	｛（0.6， 0.6， 0.8， 0.8）（0.5， 0.8， 0.9， 0.6）｝	｛（0.8， 0.9， 0.9， 0.6）｝

开发者	Ω₁	Ω₂	Ω₃
Λ₁	｛（0.6， 0.5， 0.8， 0.6）｝	｛（0.8， 0.5， 0.4， 0.8）｝	｛（0.5， 0.5， 0.9， 0.8）｝
Λ₂	｛（0.8， 0.5， 0.4， 0.8）（0.6， 0.6， 0.6， 0.8）（0.8， 0.6， 0.6， 0.8）｝	｛（0.7， 0.5， 0.5， 0.5）（0.6， 0.6， 0.6， 0.6）（0.7， 0.8， 0.5， 0.9）｝	｛（0.8， 0.7， 0.6， 0.6）（0.8， 0.8， 0.5， 0.7）（0.7， 0.7， 0.8， 0.8）（0.9， 0.7， 0.8， 0.8）｝
Λ₃	｛（0.8， 0.7， 0.9， 0.8）（0.9， 0.8， 0.9， 0.8）（0.8， 0.8， 0.6， 0.8）（0.7， 0.7， 0.8， 0.8）｝	｛（0.7， 0.6， 0.9， 0.8）（0.9， 0.7， 0.5， 0.6）（0.8， 0.6， 0.6， 0.7）｝	｛（0.8， 0.8， 0.9， 0.8）（0.8， 0.8， 0.8， 0.8）（0.8， 0.7， 0.9， 0.8）｝
Λ₄	｛（0.5， 0.8， 0.8， 0.8）（0.6， 0.7， 0.9， 0.9）（0.7， 0.6， 0.7， 0.8）（0.6， 0.6， 0.8， 0.8）｝	｛（0.8， 0.6， 0.8， 0.9）（0.8， 0.8， 0.9， 0.8）（0.8， 0.8， 0.6， 0.6）（0.6， 0.7， 0.7， 0.9）｝	｛（0.7， 0.7， 0.9， 0.9）｝
Λ₅	｛（0.9， 0.6， 0.8， 0.9）（0.8， 0.7， 0.9， 0.8）｝	｛（0.6， 0.6， 0.8， 0.8）（0.5， 0.8， 0.9， 0.6）｝	｛（0.8， 0.9， 0.9， 0.6）｝

开发者	Ω₁	Ω₂	Ω₃
Λ₁	｛0.627｝	｛0.63｝	｛0.672｝
Λ₂	｛0.63， 0.648， 0.703｝	｛0.555， 0.6， 0.722｝	｛0.678， 0.701， 0.749， 0.804｝
Λ₃	｛0.802， 0.853， 0.75， 0.749｝	｛0.751， 0.681， 0.679｝	｛0.825， 0. 8， 0.802｝
Λ₄	｛0.718， 0.771， 0.701， 0.698｝	｛0.777， 0.825， 0.702， 0.721｝	｛0.798｝
Λ₅	｛0.805， 0.802｝	｛0.698， 0.694｝	｛0.8｝

开发者	Ω₁	Ω₂	Ω₃
Λ₁	｛0.627｝	｛0.63｝	｛0.672｝
Λ₂	｛0.63， 0.648， 0.703｝	｛0.555， 0.6， 0.722｝	｛0.678， 0.701， 0.749， 0.804｝
Λ₃	｛0.802， 0.853， 0.75， 0.749｝	｛0.751， 0.681， 0.679｝	｛0.825， 0. 8， 0.802｝
Λ₄	｛0.718， 0.771， 0.701， 0.698｝	｛0.777， 0.825， 0.702， 0.721｝	｛0.798｝
Λ₅	｛0.805， 0.802｝	｛0.698， 0.694｝	｛0.8｝

开发者	Ω₁	Ω₂	Ω₃
Λ₁	｛0.627， 0， 0｝	｛0.63， 0， 0｝	｛0.672， 0， 0｝
Λ₂	｛0.66， 0.036， 0.012｝	｛0.626， 0.081， 0.03｝	｛0.733， 0.055， 0.01｝
Λ₃	｛0.789， 0.049， 0.008｝	｛0.704， 0.04， 0.009｝	｛0.809， 0.013， 0.005｝
Λ₄	｛0.722， 0.031， 0.014｝	｛0.756， 0.056， 0.005｝	｛0.798， 0， 0｝
Λ₅	｛0.804， 0.002， 0.001｝	｛0.696， 0.003， 0.001｝	｛0.8， 0， 0｝

Developer recommendation method based on E-CARGO model

基于E-CARGO模型的开发者推荐方法

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 8

References 29

Related Articles 15

Recommended Articles

Metrics

冲突率	m	n	cplex求解时间/ms			穷举法求解时间/ms			贪心法求解时间/ms			cplex> 贪心法的次数	cplex= 贪心法的次数
冲突率	m	n	Max	Min	Ave	Max	Min	Ave	Max	Min	Ave	cplex> 贪心法的次数	cplex= 贪心法的次数
0.1	10	5	184.41	5.89	11.52	780.65	75.63	86.96	1.12	0.44	0.54	85	15
	20	10	227.44	12.14	23.42	N/A	N/A	N/A	2.61	1.56	1.80	99	1
	40	20	300.95	37.02	74.03	N/A	N/A	N/A	9.32	5.76	6.46	100	0
	10	3	178.26	5.58	11.29	215.48	6.97	23.90	0.91	0.32	0.40	67	33
	20	6	198.77	8.38	17.31	N/A	N/A	N/A	2.28	0.99	1.17	86	14
	40	13	242.78	25.56	45.99	N/A	N/A	N/A	5.46	3.89	4.36	100	0
0.2	10	5	193.44	5.90	13.45	4 609.19	60.36	35.84	1.41	0.45	0.56	88	11
	20	10	231.38	12.73	28.89	N/A	N/A	N/A	2.91	1.58	1.91	94	6
	40	20	328.72	52.08	97.78	N/A	N/A	N/A	9.34	5.77	6.49	100	0
	10	3	185.86	5.61	12.05	235.25	13.36	24.29	1.39	0.32	0.43	72	26
	20	6	212.79	9.19	19.83	N/A	N/A	N/A	1.75	0.97	1.18	90	10
	40	13	301.46	31.45	66.72	N/A	N/A	N/A	6.59	3.90	4.34	100	0

[1]	. YOLOv5s-MRD: an efficient fire and smoke detection algorithm for complex scenarios based on YOLOv5s [J]. Journal of Computer Applications, 0, (): 0-0.
[2]	Qiye ZHANG, Xinrui ZENG. Efficient active-set method for support vector data description problem with Gaussian kernel [J]. Journal of Computer Applications, 2024, 44(12): 3808-3814.
[3]	Yawei HUANG, Xuezhong QIAN, Wei SONG. Improved differential evolution algorithm based on dual-archive population size adaptive method [J]. Journal of Computer Applications, 2024, 44(12): 3844-3853.
[4]	Hongru JIANG, Wei FANG. Survey of application of deep learning in meteorological data correction [J]. Journal of Computer Applications, 2024, 44(12): 3930-3940.
[5]	. Improvement method of heuristic vehicle routing algorithm based on constrained spectral clustering [J]. Journal of Computer Applications, 0, (): 0-0.
[6]	. Path planning of multi-UAV formation based on improved artificial potential field method [J]. Journal of Computer Applications, 0, (): 0-0.
[7]	. Dual-population dual-stage evolutionary algorithm for complex constrained multi-objective optimization problems [J]. Journal of Computer Applications, 0, (): 0-0.
[8]	Qin LENG, Zhengyuan MAO. Two echelon location-routing optimization considering facility sizing decision [J]. Journal of Computer Applications, 2024, 44(11): 3513-3520.
[9]	Qingyuan PENG, Xiaofeng WANG, Junxia WANG, Yingying HUA, Ao TANG, Fei HE. Review of phase transition in satisfiability problems [J]. Journal of Computer Applications, 2024, 44(11): 3503-3512.
[10]	Jie HUANG, Ruizi WU, Junli LI. Efficient adaptive robustness optimization algorithm for complex networks [J]. Journal of Computer Applications, 2024, 44(11): 3530-3539.
[11]	Renke SUN, Zhiyu HUANGFU, Hu CHEN, Zhongnian LI, Xinzheng XU. Survey of neural architecture search [J]. Journal of Computer Applications, 2024, 44(10): 2983-2994.
[12]	Antai SUN, Ye LIU, Dongmei XU. Dynamic surface asymptotic compensation algorithm for multi-agent systems [J]. Journal of Computer Applications, 2024, 44(10): 3151-3157.
[13]	Chaoying YAN, Ziyi ZHANG, Yingnan QU, Qiuyu LI, Dixiang ZHENG, Lijun SUN. Double auction carbon trading based on consortium blockchain [J]. Journal of Computer Applications, 2024, 44(10): 3240-3245.
[14]	. Dung beetle optimizer algorithm with restricted reverse learning and Cauchy-Gauss variation [J]. Journal of Computer Applications, 0, (): 0-0.
[15]	Guanglei YAO, Juxia XIONG, Guowu YANG. Flower pollination algorithm based on neural network optimization [J]. Journal of Computer Applications, 2024, 44(9): 2829-2837.