Key points are not available for this paper at this time.
在错误追踪库中存储的文物背景下，常常会出现一个问题：“谁应该处理这个错误报告？”存在多种方法可以半自动地识别和推荐开发者，例如使用机器学习技术和社交网络分析。在这项工作中，我们提出了一种新的受让人推荐方法，利用错误追踪库中的用户活动。在错误追踪库中，为每个用户根据其所有活动历史（即审查、分配和解决）创建活动档案。这个档案在某种程度上表明用户在该项目中的角色、专业知识和参与程度。这些活动影响并有助于适合受让人的识别和排名。为了评估我们的工作，我们将其应用于三个不同项目的错误报告。我们的结果表明，所提方法能够达到平均命中率88%。与基于LDA-SVM的受让人推荐技术相比，发现所提方法表现更好.
Naguib等人（周三）研究了这个问题.