什么是SnowGraph?

SnowGraph，是一个软件项目知识图谱的自动构造框架。

输入一个软件项目的数据（如源代码、邮件记录、版本历史记录、缺陷记录、用户讨论记录等），SnowGraph能够对它们进行信息解析和知识提炼，自动为该软件项目生成知识图谱，并以图数据库的形式给出。

用户（软件项目的管理者、软件工程领域的研究者）可以对该知识图谱进行查询，从而方便地实现数据分析。

什么是软件项目知识图谱？

假设我们要对一个软件项目进行数据分析（例如：项目中的每个程序员的贡献度有多高，每个模块出错的风险有多大，等等）。这个项目有如下数据：

• 用java语言编写的源代码；
• xml格式的版本历史纪录；
• json格式的缺陷记录；
• mbox格式的邮件记录；
• xml格式的用户讨论记录；
• html, pdf, docx格式的用户手册、需求文档、设计文档、测试文档等；
• ...

对于这些原始数据，我们希望：

• 数据中的信息需要被解析出来，例如：我们需要知道源代码里有哪些类和哪些方法，它们之间的继承与调用等关系是什么样子的；我们也需要知道邮件记录中有哪些邮件，它们的发件人、收件人、标题、正文是什么，它们之间的回复与转发关系又是什么样子的；等等。
• 数据中的很多关联关系需要被建立起来。例如：我们需要知道一封邮件中提到了哪些类和方法，一次代码版本变动涉及到了哪些类和方法，一个缺陷是在哪次版本变动中被修复了，等等。
• 需要在一定程度上理解数据的语义。例如，对于用户讨论记录中的一大段话，其中哪一部分是背景描述，哪一部分是核心问题，哪一部分是代码片段，哪一部分是无意义的客套话，等等。
• 需要从数据中提炼出更高级的知识。例如，对于一个类，我们希望从数据中抽取出它的功能描述、性能描述、使用场景、使用约束、使用示例、算法原理解释等各方面的知识；对于一个程序员，我们希望能抽取出他的贡献度、擅长方面等知识。

这些解析出来的信息和提炼出来的知识，以软件知识图谱的形式进行统一表示与存储管理。