软件学报:jos:7705 · 记录 #1

交互式蒸馏驱动的开源项目领域分类方法

来源日期 2026-08-19

来源记录日期 2026-08-19

雷达观测 2026-11-05 00:19

摘要

随着开源社区的发展, 开源软件项目的种类也在逐步增多. 但开源社区中已有的数据, 例如标签(tag)、描述等不能直接推断出项目的细分领域, 造成了开发者和用户需要花费非必要的时间去人为判断开源软件项目的类别、开源研究者研究的项目样本中可能无法有效区分细粒度类别的项目, 进而影响研究结果的针对性. 针对以上问题, 构建交互式蒸馏方法, 可以对开源项目进行自动化分类工作, 其中类别包括代码开发工具或插件、网页应用等12个类别. 首先, 标注了30310个开源软件项目. 然后, 对已有的大模型方法以及机器学习方法进行项目细粒度领域分类任务测试. 最后, 基于基准方法存在的问题, 利用大模型蒸馏关键词特征, 再通过引入大小模型协同方法优化模型分类能力. 在标注的数据集上的验证结果显示: 基于交互式蒸馏的开源项目细粒度分类方法在十折交叉后取得了92.1%的平均精确率、91.8%的平均准确率和91.8%的平均F1值, 相较于基准方法提升了26.3%–32.8%的精确率, 24.5%–39.9%的准确率, 26.1%–40.7%的F1值.