申请/专利权人：上海交通大学

申请日：2021-10-18

公开（公告）日：2024-06-28

公开（公告）号：CN113988554B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q10/101;G06F30/27;G06F18/2113

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明提供了一种开源社区issue解决人员分配基线确定方法及系统，涉及协同与社会计算技术领域，该方法包括：特征筛选和提取步骤：根据目标开源社区的属性，筛选issue特征，确定社区人力资源情况，建立仿真模型；开源社区仿真步骤：根据所述目标开源社区的历史数据和仿真模型，训练强化学习模型；强化学习模型部署步骤：将目标开源社区的待分配issue和必要社区状态信息输入训练好的强化学习模型，得到issue解决人员分配基线。本发明能够根据开源社区的开发者状态和issue的具体信息进行学习，从而确定合适的issue解决人员分配基线，以此提高开源软件生态系统的运行效率。

主权项：1.一种开源社区issue解决人员分配基线确定方法，其特征在于，包括：特征筛选和提取步骤：根据目标开源社区的属性，筛选issue特征，确定社区人力资源情况，建立仿真模型；开源社区仿真步骤：根据所述目标开源社区的历史数据和仿真模型，训练强化学习模型；强化学习模型部署步骤：将目标开源社区的待分配issue和必要社区状态信息输入训练好的强化学习模型，得到issue解决人员分配基线；所述特征筛选和提取步骤包括：步骤S1.1：对issue的常见特征进行筛选；步骤S1.2：量化描述社区的人力资源情况；步骤S1.3：根据社区特征用蒙特卡洛方法生成预设数量的新issue作为训练数据；步骤S1.4：建立开源软件生态系统的仿真模型，以强化学习模型训练；所述步骤S1.1中issue的常见特征包括：优先级、标签、里程碑、分支、开始和截止日期，以及相关PR；所述开源社区仿真步骤包括：步骤S2.1：根据特征筛选和提取步骤中确定的issue相关特征，选择合适的强化学习模型；步骤S2.2：根据目标开源社区的历史数据和所选强化学习模型调整仿真系统的参数；步骤S2.3：通过仿真系统对强化学习模型进行训练；所述强化学习模型部署步骤包括：根据特征筛选和提取步骤中确定的issue相关特征和人力资源量化信息，确定已完成训练的强化学习模型所需输入信息，包括待分配issue和必要社区状态信息；将所述待分配issue和必要社区状态信息输入强化学习模型，得到issue解决人员分配的基线。

全文数据：

权利要求：

百度查询： 上海交通大学 开源社区issue解决人员分配基线确定方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD