CN109299473B - 一种基于开发者画像的软件工程任务推荐方法 - Google Patents
一种基于开发者画像的软件工程任务推荐方法 Download PDFInfo
- Publication number
- CN109299473B CN109299473B CN201811361276.7A CN201811361276A CN109299473B CN 109299473 B CN109299473 B CN 109299473B CN 201811361276 A CN201811361276 A CN 201811361276A CN 109299473 B CN109299473 B CN 109299473B
- Authority
- CN
- China
- Prior art keywords
- developer
- software engineering
- engineering task
- word
- text
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005516 engineering process Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 10
- 238000003058 natural language processing Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims 1
- 230000007547 defect Effects 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种基于开发者画像的软件工程任务推荐方法，包括以下步骤：首先获取软件工程任务的描述文本、紧急程度E以及质量要求Q；之后提取描述文本的主题词并确定软件工程任务关键词T；然后对E、Q进行等级划分；之后通过GitHub和Stack Overflow中的数据获取开发者画像包括技能S、活跃度A、贡献度C和信誉度R；再对A、C、R进行等级划分；然后求取S和T之间的相似度Rdev，并求取每个开发者能完成所述软件工程任务的概率P；最后根据E、Q、A、C、R和P，对所有开发者进行优劣排序，选取最优的开发者完成软件工程任务。本发明有效地结合了开发者完成软件工程任务的历史记录以及开发者画像的更新功能，从而实时推荐出最合适的完成任务的开发者。
Description
技术领域
本发明属于软件维护领域，特别是一种基于开发者画像的软件工程任务推荐方法。
背景技术
在软件工程中有各种类型的软件开发与维护任务，如软件开发、测试等等，各个开发者的技能、经验等方面各有不同，所以如何给开发者分配合理的任务，提高软件维护的效率和准确性，是软件开发和维护领域的一大难题。而如今开源软件的开发以社区为存在形式，社区内的成员可以自由、开放的沟通，共享经验，参与协作，开发者本身会在很大程度上影响任务分配的结果。
目前，已有一些技术用作任务推荐，如基于KNN方法缺陷报告中通过潜在的主题和开发者的特征之间的相似关系来推荐最佳的缺陷修复者；基于内容推荐的方式计算复杂、推荐结果新颖性较差，另外由于大量新加入或者已加入的开发者由于没有参与过软件工程任务，将很难得到被推荐的机会，使得冷启动问题依然存在等；从静态特征挖掘开发者和Topic的相似关系的方法，虽然能够实现为特定的Topic推荐开发者，但并没有考虑到开发者的动态行为特征；通过对软件缺陷库的缺陷报告信息的综合运用，包括描述信息对开发者缺陷修复能力建模，根据状态更改记录构建开发者合作网络，衍生了基于度、主题以及二者混合的三种分配策略，共同组成了针对软件缺陷自动分配的开发者推荐方法，但是该方法缺乏对时间维度的考虑，忽视了开发者活跃度的改变，节点度大的开发者可能会工作过载。
发明内容
本发明所解决的技术问题在于提供一种考虑开发者的动态行为特征和静态特征的软件工程任务推荐方法。
实现本发明目的的技术解决方案为：一种基于开发者画像的软件工程任务推荐方法，包括以下步骤：
步骤1、对软件工程任务进行文本分析，获取软件工程任务的描述文本、紧急程度E以及质量要求Q；
步骤2、对所述软件工程任务的描述文本进行自然语言处理，之后提取描述文本的主题词，并根据主题词确定软件工程任务关键词T；
步骤3、对步骤1所述紧急程度E、质量要求Q进行等级划分；
步骤4、采集GitHub和Stack Overflow中的数据，并根据所述数据获取开发者画像，所述开发者画像包括技能S、活跃度A、贡献度C和信誉度R；
步骤5、对步骤4所述活跃度A、贡献度C、信誉度R进行等级划分；
步骤6、求取技能S和软件工程任务关键词T之间的相似度Rdev，并求取每个开发者能完成所述软件工程任务的概率P；
步骤7、根据上述等级划分后的紧急程度E、质量要求Q、活跃度A、贡献度C、信誉度R和每个开发者能完成所述软件工程任务的概率P，对所有开发者进行优劣排序，选取最优的开发者完成软件工程任务。
本发明与现有技术相比，其显著优点为：1)本发明通过两个网站GitHub和StackOverflow的融合建立开发者画像，获得的开发者画像更全面、更准确；2)本发明获取的开发者画像存储了开发者的动态行为特征和静态特征，综合考虑这两个特征使得为开发者推荐的任务更合适，进而提高了软件维护的效率和准确性；3)本发明通过将软件工程任务模型与开发者画像进行匹配，能够评估出开发者的综合评价，从而获取软件工程任务更优的推荐对象，进而提高任务完成的效率和质量。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为本发明基于开发者画像的软件工程任务推荐方法的流程示意图。
图2为本发明实施例中的软件工程任务图。
图3为本发明实施例中任务描述文本图。
具体实施方式
本发明一种基于开发者画像的软件工程任务推荐方法，包括以下步骤：
步骤1、对软件工程任务进行文本分析，获取软件工程任务的描述文本、紧急程度E以及质量要求Q。
步骤2、对软件工程任务的描述文本进行分词、词根还原、去掉停用词等自然语言处理，之后提取描述文本的主题词，并根据主题词确定软件工程任务关键词T，具体为：
步骤2-1、随机设置阈值λ；
步骤2-2、利用LDA模型提取软件工程任务的描述文本的主题词以及每个主题词对应的概率；
步骤2-3、对每个主题词对应的概率与阈值λ进行比较，将概率大于等于阈值λ的主题词作为软件工程任务关键词T。
步骤3、对步骤1中的紧急程度E、质量要求Q进行等级划分，具体为：
(1)对紧急程度E进行等级划分为：
(2)对质量要求Q进行等级划分为：
步骤4、采集GitHub和Stack Overflow中的数据，并根据数据获取开发者画像，开发者画像包括技能S、活跃度A、贡献度C和信誉度R。其中获取开发者画像具体为：
步骤4-1、对GitHub中的数据进行处理，具体为：
步骤4-1-1、对GitHub中的数据进行文本提取，提取README.md、diff中的代码文本；
步骤4-1-2、对README.md进行自然语言处理，并通过命名实体识别技术、命名实体消歧技术提取单词或短语特征；
步骤4-1-3、通过文本信息预处理技术提取diff中的代码文本中的API；其中文本信息预处理技术包括分词、词根还原、去掉停用词；
步骤4-2、对Stack Overflow中的数据进行处理，具体为：
步骤4-2-1、对Stack Overflow中的数据进行文本提取，提取Answers中的描述文本、Answers中的代码文本；
步骤4-2-2、对Answers中的描述文本进行自然语言处理，并通过命名实体识别技术、命名实体消歧技术提取单词或短语特征；
步骤4-2-3、通过文本信息预处理技术提取Answers中的代码文本中的API；
步骤4-3、将GitHub、Stack Overflow处理后的数据进行数据融合，获得开发者画像。
步骤5、对步骤4中的活跃度A、贡献度C、信誉度R进行等级划分，具体为：
(1)对活跃度A进行等级划分为：
(2)对贡献度C进行等级划分为：
(3)对信誉度R进行等级划分为：
步骤6、求取S和T之间的相似度Rdev，并求取每个开发者能完成软件工程任务的概率P。其中，求取S和T之间的相似度Rdev所用公式为：
式中，|wordskill|为开发者技能的关键词，|wordtask|为软件工程任务的关键词，|wordskill∩wordtask|为开发者技能和软件工程任务的共同关键词。
步骤7、根据上述等级划分后的紧急程度E、质量要求Q、活跃度A、贡献度C、信誉度R和每个开发者能完成软件工程任务的概率P，对所有开发者进行优劣排序，选取最优的开发者完成软件工程任务。其中求取每个开发者能完成软件工程任务的概率P，所用公式为：
P＝Пptask
式中，ptask为每个开发者能完成软件工程任务关键词的概率。
根据上述等级划分后的紧急程度E、质量要求Q、活跃度A、贡献度C、信誉度R和每个开发者能完成软件工程任务的概率P，对所有开发者进行优劣排序，选取最优的开发者完成软件工程任务，具体为：
步骤7-1、根据上述等级划分后的紧急程度E、质量要求Q、活跃度A、贡献度C、信誉度R和每个开发者能完成软件工程任务的概率P，求取每个开发者完成软件工程任务的能力对应的权值Wdev：
式中，t为开发者当前的任务总量；θ为权值调整参数，其取值范围为0<θ<1；
步骤7-2、对所有开发者的权值Wdev进行降序排列，选取最大的权值对应的开发者作为最优开发者完成软件工程任务。
实施例
基于开发者画像的软件工程任务推荐方法，包括以下内容：
步骤1、结合图2为Stack Overflow上的一个问题，即是软件工程任务，目前还没有开发者回答该问题，对该软件工程任务进行文本分析得到任务的描述文本如图3所示。假设该任务的紧急程度为紧急，任务质量要求为一般。软件开发者为d1,d2,d3,d4,d5，其最近一个月的任务总量分别为t1,t2,t3,t4,t5。
步骤2、对步骤1获得的任务的描述文本进行分词、词根还原、去掉停用词，之后利用LDA模型提取软件工程任务的描述文本的主题词以及每个主题词对应的概率，设置阈值λ＝0.08，将概率大于阈值λ的主题词作为软件工程任务关键词T。在本实施例中，获得的软件工程任务关键词T为：storage、seconds、time、calculate、fill、python-2.x、python、algorithm，其概率分别为0.12、0.1、0.08、0.15、0.1、0.12、0.11、0.09。
步骤3、在本实施例中，假设任务紧急程度E的等级为紧急，则取值为3，任务质量要求Q的等级为一般，则取值为1。
步骤4、采集GitHub和Stack Overflow中的数据，分别对GitHub和Stack Overflow的信息进行数据处理，再经过数据融合得到开发者画像，开发者画像包括技能S、活跃度A、贡献度C和信誉度R。
步骤5、本实施例中，对A、C、R进行等级划分如下：
(1)对A进行等级划分为：
(2)对C进行等级划分为：
(3)对R进行等级划分为：
步骤6、求取S和T之间的相似度Rdev，所用公式为：
式中，|wordskill|为开发者技能的关键词，|wordtask|为软件工程任务的关键词，|wordskill∩wordtask|为开发者技能和软件工程任务的共同关键词。
本实施例中，获取的开发者d1,d2,d3,d4,d5画像中的技能如下表1所示，每个开发者对应的技能的概率如下表2所示，根据上述公式获得的Rdev如下表3所示。
根据公式：
P＝Πptask
求取出每个开发者能完成软件工程任务的概率P如下表4所示。
表1开发者的技能表
| 技能1 | 技能2 | 技能3 | 技能4 | 技能5 | 技能6 | |
| d1 | python | algorithm | storage | Java | SQL | mysql |
| d2 | storage | mysql | C# | C++ | ||
| d3 | algorithm | swift | python-2.x | |||
| d4 | python-3.x | C | time | |||
| d5 | python | storage | C++ | calculate |
表2开发者的技能概率表
| p1 | p2 | p3 | p4 | p5 | p6 | |
| d1 | 0.13 | 0.33 | 0.12 | 0.1 | 0.17 | 0.14 |
| d2 | 0.18 | 0.12 | 0.3 | 0.21 | ||
| d3 | 0.37 | 0.3 | 0.33 | |||
| d4 | 0.4 | 0.25 | 0.35 | |||
| d5 | 0.48 | 0.15 | 0.25 | 0.12 |
根据公式：
求取每个开发者完成软件工程任务的能力对应的权值Wdev，其中t的取值为t1,t2,t3,t4,t5，θ为权值调整参数，其取值范围为0<θ<1。本实施例中求得的开发者d1,d2,d3,d4,d5的权值如下表5所示：
表5开发者排序权值表
| t | E | A | Q | R | C | Wdev | |
| d1 | 13 | 3 | 3 | 1 | 2 | 3 | 0.067θ |
| d2 | 18 | 3 | 2 | 1 | 1 | 1 | 0.0025θ2 |
| d3 | 25 | 3 | 2 | 1 | 3 | 1 | 0.019θ3 |
| d4 | 10 | 3 | 1 | 1 | 1 | 2 | 0.0231θ2 |
| d5 | 15 | 3 | 2 | 1 | 3 | 2 | 0.063θ3 |
步骤7、根据Wdev对所有的软件开发者进行降序排列，获得如下表6所示的排序列表：
表6开发者排序表
| Wdev | |
| d1 | 0.067θ |
| d2 | 0.0025θ2 |
| d3 | 0.0231θ2 |
| d5 | 0.063θ3 |
| d3 | 0.019θ3 |
根据上表6，选取最优的开发者d1完成软件工程任务。
本发明有效地结合了开发者完成软件工程任务的历史记录以及开发者画像的更新功能，从而实时推荐出最合适的完成任务的开发者，进而提高任务完成的效率和质量，提高软件维护的效率和准确性。
Claims (8)
1.一种基于开发者画像的软件工程任务推荐方法，其特征在于，包括以下步骤：
步骤1、对软件工程任务进行文本分析，获取软件工程任务的描述文本、紧急程度E以及质量要求Q；
步骤2、对所述软件工程任务的描述文本进行自然语言处理，之后提取描述文本的主题词，并根据主题词确定软件工程任务关键词T；
步骤3、对步骤1所述紧急程度E、质量要求Q进行等级划分；
步骤4、采集GitHub和Stack Overflow中的数据，并根据所述数据获取开发者画像，所述开发者画像包括技能S、活跃度A、贡献度C和信誉度R；
步骤5、对步骤4所述活跃度A、贡献度C、信誉度R进行等级划分；
步骤6、求取技能S和软件工程任务关键词T之间的相似度Rdev，并求取每个开发者能完成所述软件工程任务的概率P；所述求取S和T之间的相似度Rdev所用公式为：
式中，|wordskill|为开发者技能的关键词，|wordtask|为软件工程任务的关键词，|wordskill∩wordtask|为开发者技能和软件工程任务的共同关键词；
步骤7、根据上述等级划分后的紧急程度E、质量要求Q、活跃度A、贡献度C、信誉度R和每个开发者能完成所述软件工程任务的概率P，对所有开发者进行优劣排序，选取最优的开发者完成软件工程任务；所述根据上述等级划分后的紧急程度E、质量要求Q、活跃度A、贡献度C、信誉度R和每个开发者能完成软件工程任务的概率P，对所有开发者进行优劣排序，选取最优的开发者完成软件工程任务，具体为：
步骤7-1、根据上述等级划分后的紧急程度E、质量要求Q、活跃度A、贡献度C、信誉度R和每个开发者能完成软件工程任务的概率P，求取每个开发者完成软件工程任务的能力对应的权值Wdev：
式中，t为开发者当前的任务总量；θ为权值调整参数，其取值范围为0<θ<1；
步骤7-2、对所有开发者的权值Wdev进行降序排列，选取最大的权值对应的开发者作为最优开发者完成软件工程任务。
2.根据权利要求1所述的基于开发者画像的软件工程任务推荐方法，其特征在于，步骤2所述自然语言处理包括分词、词根还原、去掉停用词。
3.根据权利要求1所述的基于开发者画像的软件工程任务推荐方法，其特征在于，步骤2所述提取软件工程任务的描述文本的主题词，并根据主题词确定软件工程任务关键词T，具体为：
步骤2-1、随机设置阈值λ；
步骤2-2、利用LDA模型提取软件工程任务的描述文本的主题词以及每个主题词对应的概率；
步骤2-3、对每个主题词对应的概率与阈值λ进行比较，将概率大于等于阈值λ的主题词作为软件工程任务关键词T。
4.根据权利要求1所述的基于开发者画像的软件工程任务推荐方法，其特征在于，步骤3所述对步骤1中紧急程度E、质量要求Q进行等级划分，具体为：
(1)对紧急程度E进行等级划分为：
(2)对质量要求Q进行等级划分为：
5.根据权利要求1所述的基于开发者画像的软件工程任务推荐方法，其特征在于，步骤4所述根据GitHub和Stack Overflow中的数据获取开发者画像，具体为：
步骤4-1、对GitHub中的数据进行处理，具体为：
步骤4-1-1、对GitHub中的数据进行文本提取，提取README.md、diff中的代码文本；
步骤4-1-2、对README.md进行自然语言处理，并通过命名实体识别技术、命名实体消歧技术提取单词或短语特征；
步骤4-1-3、通过文本信息预处理技术提取diff中的代码文本中的API；
步骤4-2、对Stack Overflow中的数据进行处理，具体为：
步骤4-2-1、对Stack Overflow中的数据进行文本提取，提取Answers中的描述文本、Answers中的代码文本；
步骤4-2-2、对Answers中的描述文本进行自然语言处理，并通过命名实体识别技术、命名实体消歧技术提取单词或短语特征；
步骤4-2-3、通过文本信息预处理技术提取Answers中的代码文本中的API；
步骤4-3、将GitHub、Stack Overflow处理后的数据进行数据融合，获得开发者画像。
6.根据权利要求5所述的基于开发者画像的软件工程任务推荐方法，其特征在于，步骤4-1-3、步骤4-2-3所述文本信息预处理技术包括分词、词根还原、去掉停用词。
7.根据权利要求1所述的基于开发者画像的软件工程任务推荐方法，其特征在于，步骤5所述对步骤4中活跃度A、贡献度C、信誉度R进行等级划分，具体为：
(1)对活跃度A进行等级划分为：
(2)对贡献度C进行等级划分为：
(3)对信誉度R进行等级划分为：
8.根据权利要求7所述的基于开发者画像的软件工程任务推荐方法，其特征在于，步骤6所述求取每个开发者能完成所述软件工程任务的概率P，所用公式为：
P＝Πptask
式中，ptask为每个开发者能完成所述软件工程任务关键词的概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811361276.7A CN109299473B (zh) | 2018-11-15 | 2018-11-15 | 一种基于开发者画像的软件工程任务推荐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811361276.7A CN109299473B (zh) | 2018-11-15 | 2018-11-15 | 一种基于开发者画像的软件工程任务推荐方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109299473A CN109299473A (zh) | 2019-02-01 |
| CN109299473B true CN109299473B (zh) | 2024-01-09 |
Family
ID=65144412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811361276.7A Active CN109299473B (zh) | 2018-11-15 | 2018-11-15 | 一种基于开发者画像的软件工程任务推荐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109299473B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110597490A (zh) * | 2019-08-26 | 2019-12-20 | 珠海格力电器股份有限公司 | 一种软件开发需求分配方法及装置 |
| CN110727842B (zh) * | 2019-08-27 | 2022-10-04 | 河南大学 | 基于辅助性知识的Web服务开发者按需推荐方法及系统 |
| US11537650B2 (en) | 2020-06-28 | 2022-12-27 | International Business Machines Corporation | Hyperplane optimization in high dimensional ontology |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106201465A (zh) * | 2016-06-23 | 2016-12-07 | 扬州大学 | 面向开源社区的软件项目个性化推荐方法 |
| WO2017206604A1 (zh) * | 2016-05-30 | 2017-12-07 | 阿里巴巴集团控股有限公司 | 一种数据推荐的处理交互方法、装置及系统 |
| CN107491299A (zh) * | 2017-07-04 | 2017-12-19 | 扬州大学 | 面向多源软件开发数据融合的开发者画像建模方法 |
| CN107767058A (zh) * | 2017-10-26 | 2018-03-06 | 北京航空航天大学 | 一种众包软件开发者推荐方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8856168B2 (en) * | 2012-04-30 | 2014-10-07 | Hewlett-Packard Development Company, L.P. | Contextual application recommendations |
| KR102190813B1 (ko) * | 2014-03-25 | 2020-12-14 | 한국전자통신연구원 | 코드 추천 및 공유 시스템 및 방법 |
-
2018
- 2018-11-15 CN CN201811361276.7A patent/CN109299473B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017206604A1 (zh) * | 2016-05-30 | 2017-12-07 | 阿里巴巴集团控股有限公司 | 一种数据推荐的处理交互方法、装置及系统 |
| CN106201465A (zh) * | 2016-06-23 | 2016-12-07 | 扬州大学 | 面向开源社区的软件项目个性化推荐方法 |
| CN107491299A (zh) * | 2017-07-04 | 2017-12-19 | 扬州大学 | 面向多源软件开发数据融合的开发者画像建模方法 |
| CN107767058A (zh) * | 2017-10-26 | 2018-03-06 | 北京航空航天大学 | 一种众包软件开发者推荐方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨程.基于多维特征的开源项目个性化推荐方法.软件学报.2017,第28卷(第6期),1357-1372. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109299473A (zh) | 2019-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109299473B (zh) | 一种基于开发者画像的软件工程任务推荐方法 | |
| CN112153426B (zh) | 一种内容账号管理方法、装置、计算机设备及存储介质 | |
| TW201939400A (zh) | 目標用戶群體的確定方法和裝置 | |
| CN107194617B (zh) | 一种app软件工程师软技能分类系统及方法 | |
| CN107193915A (zh) | 一种企业信息分类方法及装置 | |
| US20220327398A1 (en) | Technology maturity judgment method and system based on science and technology data | |
| Moshkovich et al. | Verbal Decision Analysis: Foundations and Trends. | |
| CN110737805B (zh) | 图模型数据的处理方法、装置和终端设备 | |
| CN112446441B (zh) | 模型训练数据筛选方法、装置、设备及存储介质 | |
| CN109992642B (zh) | 一种基于科技词条的单任务专家自动遴选方法及系统 | |
| CN118132732A (zh) | 增强式检索用户问答方法、装置、计算机设备及存储介质 | |
| CN114003803B (zh) | 一种社交平台上特定地域的媒体账号发现方法及系统 | |
| WO2022217712A1 (zh) | 数据挖掘方法、装置、计算机设备及存储介质 | |
| Scherger et al. | A systematic overview of the prediction of business failure | |
| CN113313470A (zh) | 一种基于大数据的就业类型评估方法及系统 | |
| CN117271779A (zh) | 大模型结合知识图谱的故障分析方法及相关设备 | |
| CN116629215A (zh) | 教学文档生成方法、装置、电子设备、存储介质 | |
| CN115329078B (zh) | 文本数据处理方法、装置、设备以及存储介质 | |
| CN110705889A (zh) | 一种企业筛选方法、装置、设备及存储介质 | |
| CN115860434A (zh) | 一种基于土壤水分资源承载力的植被恢复规划方法和装置 | |
| Ryman et al. | Application of source code plagiarism detection and grouping techniques for short programs | |
| CN109308565B (zh) | 人群绩效等级识别方法、装置、存储介质及计算机设备 | |
| CN114328903A (zh) | 基于文本聚类的客服日志回流方法及装置 | |
| US20230020494A1 (en) | Methods and systems of an automated collaborated content platform | |
| Pajo et al. | Analysis of automatic online lead user identification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |