报告题目：可扩展的软件信息站标签推荐

报告人： 刘进 教授

报告时间：2017年7月21日（周五）16:00

报告地点：逸夫楼C座314会议室

摘要：

众多软件开发者通过StackOverflow和Freecode这样的软件信息站software information sites搜索、共享和学习关于软件开发、解决方案、缺陷修复和开源项目等方面的经验和知识。软件信息站中的内容通常被称为软件对象Software Object。软件信息站大多依赖标签tags对软件对象进行分类，以此提升对于软件对象管理操作的准确性和性能。标签的质量对软件信息站的服务效果有重要的影响。高质量的标签在保持精炼的同时，必须描述软件对象的重要特征。现实中，软件开发人员对于标签的选择既依赖于他对软件对象的理解，还依赖于他的英语水平和语言偏好，这导致了标签数量随着软件对象规模的增长不断激增。在数以万计标签增长同时引入了语义噪声，导致划分软件对象的准确性和合理性下降。这种现象严重降低了开发者的查询速度和准确度。针对上述问题，我们提出了一种自动标签推荐工具TagMulRec，用于对持续演化的大规模软件信息站中的软件对象进行分类。对于一个新加入的软件对象，TagMulRec首先选取软件信息站中与其语义最为相似的软件对象，然后从这些软件对象标注的标签中筛选标签进行推荐。通过在StackOverflow、AskUbuntu、AskDifferent和Freecode数据集上进行经验性评估，结果表明TagMulRec针对不同规模的数据集具有可扩展性。也就是，TagMulRec推荐结果不仅在小数据集上的自动标签标注效果准确，而且在大规模数据集上自动标签标注效果也准确。

报告人简介：

刘进博士，软件工程国家重点实验室（武汉大学）教授，博士生导师，中国计算机学会软件工程专业委员会委员，中国计算机学会服务计算专业委员会委员，中国自动化学会计算机图形学与人机交互专委会委员，中国电子学会云计算专委会专家组织联系人，美国New Jersey Institute of Technology访问学者，中国科学院自动化所博士后，中科院计算技术所博士后，CCF/ACM /IEEE会员。研究方向为软件解析学、互联网上新型软件开发、以及软件服务工程。成果发表在Software Practice and Experience（Wiley）、Journal of Systems and Software、Future Generation Computer Systems (Elsevier)、Concurrency and Computation: Practice and Experience（Wiley）、The Journal of Supercomputing（Springer）、IEEE Trans. Software Eng.、Neural Computing and Applications（Springer）、ICSE、SANER和ISSRE等国际刊物和会议40余篇。国际刊物ACM Trans. on Intelligent Systems and Technology、IEEE Transactions on Reliability, Journal of System and Software, Journal of Supercomputing, Concurrency and Computation: Practice and Experience, Future Generation Computer Systems, Int. Journal of Geography Information System, Journal of Computer Science and Technology审稿人，Journal of Internet and Information Systems和International Journal of Digital Content Technology and its Applications编委。主持多项国家自然科学基金面上项目、国家973子课题、国家科技支撑计划任务、湖北省自然科学基金项目，以及武汉市青年晨光计划1项；作为核心骨干参与多项国家自然科学基金重点项目、教育部国防重点项目、973“需求工程”、973“知识网格”、863计划、科技部国际合作计划和欧盟欧盟框架计划FP6项目。