合适与否：Stack Overflow 上‘已关闭问题’的分析与预测

Stack Overflow 被广泛认为是程序员中最受欢迎的社区驱动问答（CQA）网站。Stack Overflow 上发布的与编程主题无关的问题会被经验丰富的用户和社区版主标记为“已关闭”。问题因五种原因被“关闭”：重复、偏离主题、主观、不是真正的问题以及过于局部化。在这项工作中，我们首次对 Stack Overflow 上的“已关闭”问题进行了研究。我们下载了 4 年的公开可用数据，其中包含 340 万个问题。我们首先分析并表征了总共 10 万个“已关闭”问题的完整集合。接下来，我们使用机器学习框架构建了一个预测模型，以便在问题创建时识别“已关闭”问题。我们的关键发现之一是，尽管被标记为“已关闭”，主观性问题仍包含高信息价值且非常受用户欢迎。我们观察到随着时间的推移，已关闭问题的百分比呈上升趋势，并发现这种增加与新注册用户数量呈正相关。此外，我们还看到社区参与标记“已关闭”问题的程度有所下降，这导致审核工作时间的增加。我们还发现，带有“重复”和“偏离主题”标签的关闭问题更容易受到声誉博弈的影响。对于“已关闭”问题预测任务，我们利用了基于用户画像、社区流程、文本风格和问题内容的多种特征集。我们使用了一种基于集成学习技术的最先进机器学习分类器，达到了 73% 的总体准确率。据我们所知，这是第一项分析和预测 Stack Overflow 上“已关闭”问题的实验研究。