ISPY：从社区实时聊天中自动抽取问题-解决方案对

协作式实时聊天作为一种开发沟通工具正日益流行。在社区实时聊天中，开发者倾向于发布他们遇到的问题（例如环境配置问题与编译问题），其他开发者则回应可能的解决方案。因此，社区实时聊天包含了所报告问题及其对应方案的丰富信息集，若能被及时抽取并保存，将对知识共享与未来复用颇有益处。然而，由于实时聊天数据中交错对话的噪声特性，准确挖掘此类知识仍具挑战。本文首先形式化了从开发者实时聊天数据中抽取问题-解决方案对的问题，并提出了一种名为 ISPY 的自动化方法，该方法基于自然语言处理与深度学习技术并辅以定制化增强来解决此问题。具体而言，ISPY 自动化了三项任务：1) 解纠缠实时聊天日志，采用前馈神经网络将对话历史自动解纠缠为独立对话；2) 检测讨论问题的对话，使用一种新颖的卷积神经网络 (CNN)，其由基于 BERT 的语句嵌入层、上下文感知对话嵌入层与输出层构成；3) 抽取恰当语句并组合为对应解决方案，基于相同 CNN 结构但输入不同。为评估 ISPY，我们将其与六个基线比较，使用包含 750 个对话（含 171 个问题-解决方案对）的数据集，并从八个开源社区评估 ISPY。结果表明，在问题检测方面，我们的方法取得 76% 的 F1 值，并以 30% 优于所有基线。我们的方法在解决方案抽取方面取得 63% 的 F1 值，并以 20% 优于基线。