> wangtao 写到： > > zhanyun 写到： > > openhub中没有code location的有39704，如果只根据这一个字段筛选会保留22万项目。加上OSChina3万，SourceForge15万，总共就有40万左右的项目，去重之后估计也会有38万往上。这样会不会太多了？ > > 有code location且contributorNum>0的有138008。有code location且contributorNum=0的有8万多，这些项目的activity都是“Activity Not Available” ，其中有88个项目的followers_num>0。 > > 我的建议是按照：有code location，并且满足contributorNum>0或者followers_num>0，这样共留下138053。 > 我觉得去重之后不会有38万项目，OpenHub的数据源应该涵盖了Sourceforge,因此SourceForge中有的在OpenHub中应该大部分都会有。你可以随机选择sourceForge中的十几个项目看一下 我看了下SourceForge中是有很多项目在openhub中存在的。那openhub的项目我们先初步按照把没有代码库的去掉。

> zhanyun 写到： > openhub中没有code location的有39704，如果只根据这一个字段筛选会保留22万项目。加上OSChina3万，SourceForge15万，总共就有40万左右的项目，去重之后估计也会有38万往上。这样会不会太多了？ > 有code location且contributorNum>0的有138008。有code location且contributorNum=0的有8万多，这些项目的activity都是“Activity Not Available” ，其中有88个项目的followers_num>0。 > 我的建议是按照：有code location，并且满足contributorNum>0或者followers_num>0，这样共留下138053。 我觉得去重之后不会有38万项目，OpenHub的数据源应该涵盖了Sourceforge,因此SourceForge中有的在OpenHub中应该大部分都会有。你可以随机选择sourceForge中的十几个项目看一下

openhub中没有code location的有39704，如果只根据这一个字段筛选会保留22万项目。加上OSChina3万，SourceForge15万，总共就有40万左右的项目，去重之后估计也会有38万往上。这样会不会太多了？ 有code location且contributorNum>0的有138008。有code location且contributorNum=0的有8万多，这些项目的activity都是“Activity Not Available” ，其中有88个项目的followers_num>0。 我的建议是按照：有code location，并且满足contributorNum>0或者followers_num>0，这样共留下138053。

> wangtao 写到： > Freecode应该有4万7千多个项目，为什么OSSEAN中只有4万？请候翔核实一下@houxiang 师兄抽取框架还需改进，对没有抽取成功的页面没有进行再处理，这个还在想办法

> wangtao 写到： > > zhanyun 写到： > > > wangtao 写到： > > > 1、2中两个因素求并集得到的项目数量是多少？@zhanyun > > 1中，followers_num>0且contributorNum>0的有8164， followers_num>0且contributorNum>1的有5856。 > > 2中取并集是26779。 > 求并集而不是交集 额抱歉师兄，定向思维了。。1 中followers_num>0或contributorNum>0的有138322，followers_num>0或contributorNum>1的有120030，followers_num>0或contributorNum>2的有58848。 2中，取并集是150573。

> zhanyun 写到： > > wangtao 写到： > > 1、2中两个因素求并集得到的项目数量是多少？@zhanyun > 1中，followers_num>0且contributorNum>0的有8164， followers_num>0且contributorNum>1的有5856。 > 2中取并集是26779。 求并集而不是交集

> wangtao 写到： > 1、2中两个因素求并集得到的项目数量是多少？@zhanyun 1中，followers_num>0且contributorNum>0的有8164， followers_num>0且contributorNum>1的有5856。 2中取并集是26779。

1、2中两个因素求并集得到的项目数量是多少？@zhanyun

Freecode应该有4万7千多个项目，为什么OSSEAN中只有4万？请候翔核实一下@houxiang

初步统计结果如下： 1.openHub：平台共有261923，contributorNum>0的138185，contributorNum>1的119321，contributorNum>2的57625；followers_num>0的8301。 2.SourceForge：平台共有364965，download>0的145551，stars>0的31801，download和stars都大于0的26779。 3.OSChina：平台共有29971。 4.FreeCode：平台共有40705。