随着轻量级虚拟化技术的发展及产业界对软件系统持续部署、持续集成、持续交付的需求逐步提升,容器作为新的软件单元,以其“一次构建、处处运行”的特点推动了软件开发的革新进程。然而,由于容器特征难以获取,以及容器知识未被充分挖掘,影响了容器管理和容器推介等应用场景。因此,收集容器信息并挖掘获取容器知识对未来容器相关的应用场景具有重要意义。在软件仓库挖掘领域中,容器仓库挖掘已成为该领域的新兴研究方向,现有方法侧重于在较低层次或单一方面对容器仓库进行分析,缺乏对容器系统、宏观性的研究,尤其缺乏对容器功能及非功能特点的高维语义信息挖掘。本文工作的主要目标是分析容器的多类描述信息,构建以层次化标签体系结构为基础的容器画像,实现容器画像建模。在容器画像的设计驱动下,研究容器画像标签的生成机制,从挖掘容器本身特点的基础标签到挖掘描述容器功能及非功能特点等高维语义标签,支持未来云计算、容器检索、容器推介等对容器知识存在需求的应用场景。本文主要工作包含以下三大部分:第一,提出了容器画像,构建了多层容器标签体系结构,并结合与容器相关的数据信息及数据特点,设计了各层标签结构所包含的标签类型。第二,在容器标签体系结构设计的驱动下,建立了容器画像标签生成机制,该机制从多个角度,运用多种方法分析容器信息。针对容器相关的短描述信息,设计了基于TF-IDF(Term Frequency Inverse Document Frequency)的关键标签抽取方法,该方法用于抽取表征容器独特性的标签信息,设计了基于层次聚类的一般标签抽取方法,实现了容器一般特征标签信息的抽取。针对容器的长描述信息,提出了面向长文本的基于LDA(Latent Dirichlet Allocation)主题模型的标签生成方法,以主题模型的方式为容器生成相关标签。此外,本文提出了基于BRT(Bayesian Rose Trees)和MCG(Microsoft Concept Graph)概念图谱的标签生成方法和基于Word2Vec和Word Net知识库的标签生成方法,分别从语义的纵向和横向两个角度生成扩展标签。该机制对容器文本描述信息从简单抽取和关联挖掘分析,再到主题挖掘和标签扩展生成,在语义上层层深入地挖掘了容器知识。第三,设计实现了容器画像标签抽取工具,并实验评估了容器画像标签生成机制中的方法。实验表明,本文所提出的容器画像标签生成机制能够通过容器文本描述信息抽取标签,并且支持在已有标签的基础上生成扩展标签。