利用多仓库预测结果改进机器人账号检测

GitHub等当代社交编程平台促进了协作式分布式软件开发。这些平台的开发者常使用机器账号（bots）来自动化高耗时或重复性活动。判断某贡献者对应机器人还是人类账号在社会技术研究中有重要意义，例如评估使用机器人的正负影响、分析机器人及其用法的演进、识别顶尖人类贡献者等。BoDeGHa是文献中提出的机器人检测工具之一。它依赖单一仓库内的评论活动来预测某账号由机器人还是人类驱动。本文给出了通过一次性结合多个仓库获得的预测来提升BoDeGHa有效性的初步结果。我们发现此举不仅增加了可做出预测的样例数，且许多分歧预测可借此修正。这些虽有前景但仍属初步的结果表明，“群体智慧”原则可提升机器人检测工具的有效性。