由于开源社区的开发人员数目呈指数型增长态势,数以百万计的软件开发人员正在使用开源软件（Open Source Software,OSS）托管平台来托管其代码并相互协作。软件仓库存储有关软件开发和维护的大量数据,软件仓库挖掘（Mining Software Repositories,MSR）是一直是软件工程领域的研究热点。开源开发者人数的激增,也为项目核心开发者在进行团队扩张决策的时候带来难题,需要有开发者能力和以往贡献统计分析的评估,为核心开发者作出决策时提供参照,但开源平台目前提供的开发者页面信息主要是基础信息,没有对开发者的开发能力和历史开发行为进行分析处理,探索开发行为的规律,对未来的开发行为进行预测。相比于传统商业软件,托管平台的开源特性可以让我们便捷地获取到项目的开发历史。鉴于此,本文主要围绕开源社区开发者的开发行为数据进行贡献度的度量评估以及挖掘行为数据中存在的规律。本文主要的研究工作如下所示:1.开源社区开发者贡献度度量方法针对当前对开源社区开发者的研究工作大多数专注于基础开发行为数据,缺乏对开发者的贡献历史和开发能力的全面评估。基于开源社区平台中完整的开发历史和开发者行为数据,我们提出了开发人员贡献度度量方法,主要对开发者的历史开发行为进行评估和度量。提出的贡献度度量主要可分为三个维度的度量,包括代码级贡献、项目级贡献和任务级贡献,每个维度的度量值具有多个指标,可以更加全面准确地评估开发者的贡献度。将各个维度的度量值根据权重层次分析法（The analytic hierarchy process,AHP）赋予相应的权重,相加后得到最终的开发者贡献度,根据贡献度形成相应的排行榜。经过实验验证,该度量结果具有准确性和有效性。2.基于NLP（Natural Language Processing）词嵌入模型的编程行为预测方法对开发人员的编程行为进行预测,可以帮助开发者提高开发效率,而且还能对项目模块的组织方法进行优化优化。但当前这个方面的研究工作也比较少,我们提出了基于NLP的词嵌入（word embedding）模型来生成开源社区开发者的编程行为的预测方法。首先将开发者的历史编程行为数据从软件仓库中提取出来,将数据进行转换操作后嵌入多维向量空间中以捕获数据中的潜在规律,经过训练形成反映开发行为数据语义关系的特征向量矩阵,生成训练完成的预测模型,最后基于预测模型预测特定开发人员的下一个编程行为。在五个开源项目上的实验表明,我们所提出的预测方法的预测准确率平均可以达到50%左右,说明它可以挖掘出开发行为的规律并有效地利用开发规律来预测开发人员的编程行为,表明在实际开发中,我们可以对开发者的开发工作提供有价值的建议。