从文本消息中检测自由开源软件版本发布事件是否可行？基于 Stack Overflow 的案例研究
软件工程
2021-03-25 v3 信息检索
机器学习
机器学习
摘要
话题检测与跟踪（TDT）是文本挖掘领域中非常活跃的研究问题，通常应用于新闻源和 Twitter 数据集，用于检测话题和事件。“事件”的概念很宽泛，但通常适用于可从单条帖子或消息中检测到的 occurrence。我们所称的“微事件”很少受到关注，由于其性质，微事件无法从单一文本信息中检测。本研究使用来自 Stack Overflow 问答平台的消息样本和来自 Libraries.io 数据集的自由/开源软件（FLOSS）版本发布数据，调查了在文本数据上检测微事件的可行性。我们使用三种不同的估计器构建微事件检测流水线，其参数通过网格搜索方法优化。我们考虑两种特征空间：带情感分析的 LDA 话题建模，以及带情感分析的 hSBM 话题。特征空间使用递归特征消除与交叉验证（RFECV）策略优化。在我们的实验中，我们调查在微事件发生前后话题分布或情感特征是否存在特征性变化，并全面评估我们分析流水线各变体检测微事件的能力。此外，我们对模型进行了详细统计分析，包括影响性案例、方差膨胀因子、线性假设验证、伪 R 平方度量和无信息率。最后，为研究微事件检测的局限，我们设计了一种生成具有与真实数据相似属性的微事件合成数据集的方法，并用其确定各评估分类器的微事件可检测阈值。
引用
@article{arxiv.2003.14257,
title = {Is it feasible to detect FLOSS version release events from textual messages? A case study on Stack Overflow},
author = {A. Sokolovsky and T. Gross and J. Bacardit},
journal= {arXiv preprint arXiv:2003.14257},
year = {2021}
}