隨著軟件協(xié)同開發(fā)技術(shù)與社交網(wǎng)絡的深度融合，社交化開發(fā)范式已成為當前軟件創(chuàng)作與生產(chǎn)的重要方式．這一軟件開發(fā)模型的靈活性與開放性，吸引了大規(guī)模的外圍貢獻者加入到開源社區(qū)中，形成了巨大的軟件生產(chǎn)力．在開源社區(qū)中，這些分布廣泛、規(guī)模巨大的外圍貢獻者，主要以一種無組織的松散方式進行協(xié)同，他們需要花費大量的時間和精力在海量的開源項目中尋找到自己真正感興趣的項目并進行長期貢獻．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源項目個性化推薦方法（即RepoLike）．該方法從開源項目自身流行度、關(guān)聯(lián)項目技術(shù)相關(guān)度以及大眾貢獻者之間的社交關(guān)聯(lián)度這3個維度度量開發(fā)者和開源項目之間的關(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，從而為開發(fā)者提供個性化的項目推薦服務．通過大規(guī)模的實驗，其結(jié)果表明：RepoLike在推薦20個候選項目時的推薦命中率超過25%，能夠有效地為開發(fā)人員提供有價值的推薦服務．