隨著軟件協(xié)同開(kāi)發(fā)技術(shù)與社交網(wǎng)絡(luò)的深度融合，社交化開(kāi)發(fā)范式已成為當(dāng)前軟件創(chuàng)作與生產(chǎn)的重要方式．這一軟件開(kāi)發(fā)模型的靈活性與開(kāi)放性，吸引了大規(guī)模的外圍貢獻(xiàn)者加入到開(kāi)源社區(qū)中，形成了巨大的軟件生產(chǎn)力．在開(kāi)源社區(qū)中，這些分布廣泛、規(guī)模巨大的外圍貢獻(xiàn)者，主要以一種無(wú)組織的松散方式進(jìn)行協(xié)同，他們需要花費(fèi)大量的時(shí)間和精力在海量的開(kāi)源項(xiàng)目中尋找到自己真正感興趣的項(xiàng)目并進(jìn)行長(zhǎng)期貢獻(xiàn)．為了提高大規(guī)模群體協(xié)同的效率，提出一種基于多維特征的開(kāi)源項(xiàng)目個(gè)性化推薦方法（即RepoLike）．該方法從開(kāi)源項(xiàng)目自身流行度、關(guān)聯(lián)項(xiàng)目技術(shù)相關(guān)度以及大眾貢獻(xiàn)者之間的社交關(guān)聯(lián)度這3個(gè)維度度量開(kāi)發(fā)者和開(kāi)源項(xiàng)目之間的關(guān)聯(lián)關(guān)系，并利用線性組合和Learning To Rank方法構(gòu)建推薦模型，從而為開(kāi)發(fā)者提供個(gè)性化的項(xiàng)目推薦服務(wù)．通過(guò)大規(guī)模的實(shí)驗(yàn)，其結(jié)果表明：RepoLike在推薦20個(gè)候選項(xiàng)目時(shí)的推薦命中率超過(guò)25%，能夠有效地為開(kāi)發(fā)人員提供有價(jià)值的推薦服務(wù)．