软件学报

作者：蒋竞，苗萌，赵丽娴，张莉

单位：蒋竞，北京航空航天大学 计算机学院, 北京 10019111,苗萌，北京航空航天大学 计算机学院, 北京 10019102,赵丽娴，北京航空航天大学 计算机学院, 北京 10019103,张莉，北京航空航天大学 计算机学院, 北京 10019104

关键词：问题删除预测;问题质量;问题分类;软件问答社区;Stack Overflow

基金：科技创新2030-“新一代人工智能”重大项目(2018AAA0102304); 国家自然科学基金(62177003); 中央高校基本科研业务费(YWF-20-BJ-J-1018)

Stack Overflow是最受欢迎的软件问答社区之一, 用户可以在该网站发布问题并得到其他用户的回答. 为了保证问题质量, 网站需要尽快发现并删除低质量或者不符合社区主题的问题. 当前, Stack Overflow主要采用人工检查的方式发现需要被删除的问题. 然而这种方式往往不能保证问题被及时发现、删除, 而且加重了社区管理员的负担. 为了快速发现需要删除的问题, 提出了自动化预测问题删除的方法MulPredictor. 该方法提取问题的语义内容特征、语义统计特征和元特征, 使用随机森林分类器计算问题会被删除的概率. 实验结果表明: 与现有方法DelPredictor和NLPPredictor相比, MulPredictor的准确率在平衡测试集上分别提升了16.34%和12.78%, 在随机测试集上分别提升了12.38%和14.14%. 此外, 分析了影响问题删除的重要特征, 发现代码段、问题的标题和正文第1段的特征对问题删除有重要的影响.

来源：2022年第5期

《软件学报》期刊编辑部

查看软件学报杂志2022年第5期