近些年来,软件众包因为其将项目发布到互联网上,开放式利用大众的群体智慧进行软件开发的特点,在工业界和学术界受到了广泛关注。如何帮助用户挑选合适自己的项目,是众包的关键问题之一。但目前众包平台的项目搜索服务存在以下几个问题:(1)现有的大部分搜索方法是基于词汇匹配的方法,没有对搜索请求和项目文本内容进行深入挖掘;(2)用户搜索输入的词汇无法表达用户的完整意图,导致搜索的结果和用户的期望有一定的差异性;(3)搜索的相关特征忽略了用户的个性化需求,即所有用户得到的搜索结果是相同的。这些问题导致用户无法快速找到最合适的项目。在此背景下,本文面向软件众包平台,研究提出一种基于文本挖掘的项目个性化搜索方法,利用文本挖掘技术建立软件众包平台的项目模型和用户模型,并对搜索请求进行语义拓展,最后使用一种学习排序算法对于筛选后的项目候选集进行排序。本文主要的创新点包括:(1)提出了基于文本挖掘的项目建模方法,利用项目的标题和需求从词汇层面、主题层面和神经网络语义层面进行分析与挖掘,将软件众包平台的标签数据作为监督信息用于项目主题建模的采样训练中,并基于时间衰减函数计算项目热度。(2)提出了基于时间窗口的用户长短兴趣建模方法,通过划分时间窗口,在每个时间窗口内建立短期兴趣模型,并引入持续上升/下降因子和波动因子的概念去拟合短期兴趣的变化趋势,进一步建立用户的长期兴趣模型。(3)提出基于语义主题PRF和StackOverflow的搜索语义拓展方法,针对通用词汇,进行基于语义主题PRF的语义拓展方法,找到搜索请求相关的主题对应的若干个词汇作为拓展候选词;针对领域词汇,进行基于StackOverflow的搜索语义拓展方法。(4)提出了项目筛选和排序方法。采用基于规则模板的预过滤策略,通过对搜索请求做命名实体识别,结合自定义的模板生成SQL语句,挖掘搜索请求中隐藏的限制因素,筛选出符合用户要求的候选项目集合。再使用列表排序算法LambdaMART为候选的项目排序。本文利用多个软件众包平台的数据,进行了一系列实验。实验结果表明,本文提出的用户个性化建模方法和搜索拓展方法相对于其它方法,在搜索结果的NDCG指标上分别平均提高了19.8%和27.2%。