基于 Stack Overflow 查询日志的高效搜索自动查询重构

作为流行的编程问答网站，Stack Overflow 对开发者而言是一座宝库。然而，Stack Overflow 上大量的问答使得开发者难以高效定位所需信息。导致搜索结果不佳存在两重鸿沟：用户意图与文本查询之间的鸿沟，以及查询与帖子内容之间的语义鸿沟。因此，开发者不得不通过纠正拼写错误、添加特定编程语言或平台限制等方式不断重构其查询。由于查询重构对开发者（尤其是新手）而言繁琐乏味，我们提出一种基于深度学习的自动化软件专用查询重构方法。利用 Stack Overflow 提供的查询日志，我们构建了大规模查询重构语料库，包含原始查询及对应的重构查询。我们的方法训练了一个 Transformer 模型，可在给定用户原始查询时自动生成候选重构查询。评估结果表明，我们的方法优于五个最先进的基线，并在 $\mathit{ExactMatch}$ 上取得 5.6% 至 33.5% 的提升，在 $\mathit{GLEU}$ 上取得 4.8% 至 14.4% 的提升。