预测 Stack Overflow 上 Java 与 JavaScript 答案可接受性的特征

背景：Stack Overflow是一个流行的社区问答门户，从业者用它来解决软件开发中的问题。开发人员在寻求帮助时，可将注意力集中在已被接受的答案或成员记录高票以判定为好的答案上。然而，后一种机制（投票）可能不可靠，且目前无法通过答案的特征来区分可能被接受与不会被接受的答案。目标：为潜在提供识别可接受答案的机制，本研究考察了区分已接受答案与未接受答案的特征。方法：我们分析了Stack Overflow数据集，针对两个最流行的标签（Java和JavaScript）的问题与答案进行研究。我们的数据集包含2014–2016年间的249,588篇帖子。我们使用随机森林和神经网络模型预测被接受的答案，并研究这两个模型中预测能力最高的特征。结果：我们的发现揭示，答案中代码的长度、用户声誉、问题与答案间文本的相似度，以及问题与答案间的时间差，对区分已接受与未接受答案具有最高的预测能力。结论：工具可利用这些发现来支持开发人员，并减少他们在Stack Overflow上搜寻合适答案所必须付出的努力。