IssueCourier：面向开源问题分配的多关系异构时序图神经网络

问题分配是开源软件（OSS）维护中的关键环节，涉及为报告的问题推荐最合适的开发者。鉴于大型项目报告的高 volume，手动分配问题既费时又费钱。先前研究提出的自动问题分配方法主要关注建模问题报告文本信息、开发者专长，或问题与开发者之间基于历史问题修复记录的相互作用。但这些方法常因OSS数据集中的错误标签和缺失标签、开发者贡献的长尾分布以及项目演化中开发者活跃度变化等问题而受限。为解决这些挑战，我们提出IssueCourier，一种新的多关系异构时序图神经网络方法用于问题分配。具体而言，我们formalize了问题、开发者与源代码文件之间五个关键关系，以构建异构图。随后，我们进一步采用时序切片技术将图划分为基于时间的子图序列，以学习阶段特定模式。进一步，我们提供了一个重新标注后的基准数据集以解决现有OSS数据集中错误和缺失标签的问题。最后，为评估IssueCourier的性能，我们在基准数据集上开展了广泛实验。结果表明，IssueCourier在top-1指标上可相对于最佳基线提升45.49%，MRR提升31.97%。