github项目的别名提取在春节期间就已经开始，而且已经编写出第一版代码，今天主要分析了第一版代码的运行结果并再次查看汇总表中原始的github项目，进一步分析别名提取规则该如何设定。

    今天的主要收获是通过对测试集（约两万条数据）数据的分析，得出了具有代表性的项目集，从而在这些项目集的基础上制定别名提取规则。

    具有明显特征的数据集主要有三类：

    1.项目短名（github项目命名形式一般为A/B，B即为其短名）去除短横线、下划线或其他特殊符号后可以做为别名的，这一类占据绝大多数。

    2.项目短名能够在项目描述信息中提取到全写或缩写的。

    3.项目短名和项目描述信息具有很大相似度的

    4.其他特征，由于较为零散，有待于进一步分析，将在解决前三类问题的情况下，视提取效果再定。

   具体特征数据集见附件。