开源软件自动化评估证据框架

J4 ›› 2013, Vol. 35 ›› Issue (2): 137-141.

开源软件自动化评估证据框架

袁霖1,2,王怀民2,尹刚2,史殿习2,朱沿旭2

(1.信息工程大学电子技术学院,河南郑州 450004;2.国防科学技术大学计算机学院,湖南长沙410073）

收稿日期:2011-05-16 修回日期:2011-09-08 出版日期:2013-02-25 发布日期:2013-02-25
基金资助:
国家863计划重点课题资助项目（2007AA010301）；国家自然科学基金资助项目(60903043) ；核高基课题资助项目(2009ZX0104300104)

Automatic evaluation evidence framework for open source software

YUAN Lin1,2,WANG Huaimin2,YIN Gang2,SHI Dianxi2,ZHU Yanxu2

(1.School of Electronic Technology,Information Engineering University,Zhengzhou 450004; 2.School of Computer Science,National University of Defense Technology,Changsha 410073,China)

Received:2011-05-16 Revised:2011-09-08 Online:2013-02-25 Published:2013-02-25

摘要/Abstract

摘要：

互联网上已形成了规模巨大、种类丰富的开源软件资源。如何准确、快速地判断一个开源项目的各种可信属性是否满足需求是当前软件工程领域研究的热点。深入分析已有开源软件评估模型，总结互联网上软件质量相关的各种信息，提出了面向开源软件的可信评估证据框架，并基于该框架构建了一种开源软件可信证据查询平台。利用该平台能够极大地提高评估效率，用户可以准确、快速、全面地了解相关软件项目的各种信息。最后，以一个知名开源软件证实了该证据框架及证据查询平台的可行性。

关键词: 开源软件, 可信证据, 软件资源库, 数据挖掘

Abstract:

There are large amounts of Open Source Software (OSS) projects in Internet. How to know whether the credible of an OSS project is satisfied is the hotspot research in software engineering. Based on existed software quality evaluation models, some kinds of information related to software quality are summarized and an evaluation evidence framework is proposed in this paper. The credible evidence query platform is constructed based the evidence framework. With the platform, the efficiency of OSS evaluation can be greatly improved and users are able to get many kinds of information about one software project accurately, quickly and completely. By taking the case of one famous OSS project, the feasibility of the evidence framework and query system is confirmed.

Key words: open source software;trustworthiness evidence;software repository;data mining

袁霖1,2,王怀民2,尹刚2,史殿习2,朱沿旭2. 开源软件自动化评估证据框架[J]. J4, 2013, 35(2): 137-141.

YUAN Lin1,2,WANG Huaimin2,YIN Gang2,SHI Dianxi2,ZHU Yanxu2. Automatic evaluation evidence framework for open source software[J]. J4, 2013, 35(2): 137-141.

[1]	赵琰, 马慧芳, 王文涛, 童海斌, 贺相春. 可靠响应表示增强的知识追踪方法[J]. 计算机工程与科学, 2024, 46(03): 535-544.
[2]	雷轩, 程光, 张玉健, 郭靓, 张付存. 基于电力网络态势感知平台的告警信息关联分析[J]. 计算机工程与科学, 2023, 45(07): 1197-1208.
[3]	王晨宇, 温浩珉, 郭晟楠, 林友芳, 万怀宇, . 面向快递员揽收到达时间预测的多任务深度时空网络[J]. 计算机工程与科学, 2023, 45(01): 136-144.
[4]	程小刚, 郭韧, 周长利, . 基于理性密码学的分布式隐私保护数据挖掘框架[J]. 计算机工程与科学, 2022, 44(10): 1781-1787.
[5]	王文涛, 马慧芳, 舒跃育, 贺相春. 基于上下文表示的知识追踪方法[J]. 计算机工程与科学, 2022, 44(09): 1693-1701.
[6]	刘云, 肖添. 网络日志数据中条件因果挖掘算法的优化研究[J]. 计算机工程与科学, 2021, 43(09): 1584-1590.
[7]	文凯, 许萌萌, 张许红, . 基于列表结构的加权可擦除项集挖掘算法[J]. 计算机工程与科学, 2021, 43(09): 1676-1683.
[8]	熊中敏, 汪博, 陶然, 郑宗生, 陈明, . 一种基于主属性判定的关联规则挖掘约简算法[J]. 计算机工程与科学, 2021, 43(04): 738-745.
[9]	卢冬冬, 吴洁, 刘鹏, 盛永祥. 开源软件社区知识协作网络核心开发者识别[J]. 计算机工程与科学, 2021, 43(03): 551-559.
[10]	藏润强, 左美云, 郭鑫鑫. 基于Doc2Vec和BiLSTM的老年患者疾病预测研究[J]. 计算机工程与科学, 2020, 42(12): 2273-2279.
[11]	何望1,2，林果园1,2. 基于FP-Growth改进算法的云服务器故障数据分析[J]. 计算机工程与科学, 2020, 42(05): 770-775.
[12]	谭胜昔，贾金萍，赵斌，吉根林. 动态空间网络中的黑洞模式挖掘算法[J]. 计算机工程与科学, 2020, 42(02): 325-333.
[13]	何登平1，2，3，何宗浩1,2，李培强1,2. 基于Spark的并行化高效用项集挖掘算法[J]. 计算机工程与科学, 2019, 41(10): 1723-1730.
[14]	陈胜发，贾瑞玉. 基于密度权重Canopy的改进K-medoids算法[J]. 计算机工程与科学, 2019, 41(10): 1823-1828.
[15]	何登平1,2,3，何宗浩1,2. 基于R-list的Top-K高效用项集挖掘算法[J]. 计算机工程与科学, 2019, 41(07): 1318-1324.