去芜存菁：Stack Overflow 上被删除问题的特征分析与建模

Stack Overflow 是网络上最受程序员欢迎的社区问答（CQA）平台，拥有 205 万用户、510 万个问题和 940 万个答案。Stack Overflow 有关如何发布问题的明确、详细指南，并拥有一个活跃的审核社区。尽管有这些精确的沟通和保障措施，发布在 Stack Overflow 上的问题仍可能极度偏离主题或质量极差。此类问题可由经验丰富的社区成员和审核员酌情从 Stack Overflow 中删除。我们呈现了首项针对 Stack Overflow 上被删除问题的研究。我们将研究分为两部分：(i) 基于约 5 年（2008-2013）数据对被删除问题进行特征分析，(ii) 在问题创建时预测其是否会被删除。我们的特征分析研究揭示了关于问题删除现象的多个见解。我们观察到被删除问题的数量随时间显著增加。我们发现投票决定删除一个问题需要相当长的时间，但一旦投票完成，社区便会迅速采取行动。我们还看到问题作者会删除自己的问题以挽回声誉积分。我们注意到一些高质量问题被意外删除的实例，但此类问题很快被投票恢复。我们发现了 Stack Overflow 上问题质量的金字塔结构，并发现被删除的问题位于金字塔的底部（质量最低）。我们还构建了一个预测模型，用于在创建时检测问题是否会被删除。我们尝试了基于用户画像、社区生成、问题内容和句法风格的 47 个特征，报告的准确率为 66%。我们的特征分析表明，这四类特征对于预测任务都很重要。我们的发现为基于社区的问题解答网站的内容质量维护提供了重要建议。