技术问答社区中最佳答案预测模型的实证评估
软件工程
2019-03-25 v1
摘要
技术问答网站对软件工程师而言已不可或缺，他们不断向其他专家寻求帮助以解决工作问题。尽管这些网站很成功，许多问题仍悬而未决，有时是因为提问者未确认任何有帮助的答案。在这些情况下，信息搜寻者只能浏览问题线程中的所有答案以评估其作为潜在解决方案的质量。我们将这一耗时问题视为二分类任务：构建最佳答案预测模型，以在已解决问题线程中识别被采纳的答案，以及那些已收到答案但仍未解决之问题的候选解。本文报告了一项分两步评估 26 个最佳答案预测模型的研究。首先，我们研究模型在预测 Stack Overflow（最受欢迎的软件工程师问答网站）中最佳答案时的表现。然后，我们在跨平台设定下评估性能：预测模型在 Stack Overflow 上训练，并在其他技术问答网站上测试。我们的结果表明，分类器的选择和自动参数调优对最佳答案预测有重大影响。我们还证明了我们的最佳答案预测问题方法可推广到不同技术问答网站。最后，我们向问答平台设计者提供实用建议，以策展和保存通过这些网站共享的众包知识。
引用
@article{arxiv.1903.09522,
title = {An empirical assessment of best-answer prediction models in technical Q&A sites},
author = {Fabio Calefato and Filippo Lanubile and Nicole Novielli},
journal= {arXiv preprint arXiv:1903.09522},
year = {2019}
}