在 GitHub Discussions 中查找相关讨论

软件团队正越来越多地采用不同工具与沟通渠道，以辅助软件协同开发模式并协调任务。在此类资源中，基于编程社区的问答（PCQA）论坛已被开发者广泛使用。此类环境使开发者能够获取并分享技术信息。出于支持开源软件（OSS）项目开发与管理之意，GitHub 推出了 GitHub Discussions——一个原生论坛，用以促进平台上托管的社区用户与成员间的协同讨论。由于 GitHub Discussions 类似 PCQA 论坛，它面临此类环境所遇的相似挑战，包括相关讨论（重复或近似重复帖子）的出现。重复帖子内容相同——可能为精确副本——而近似重复帖子共享相似主题与信息。两者都会给平台引入噪声并损害项目知识共享。在本文中，我们解决 GitHub Discussions 中相关帖子检测问题。为此，我们提出一种基于 Sentence-BERT 预训练模型的方法：RD-Detector。我们使用来自不同 OSS 社区的数据对 RD-Detector 进行了评估。OSS 维护者与软件工程（SE）研究者手动评估了 RD-Detector 的结果，其精确率达到了 75% 至 100%。此外，维护者指出了该方法的实际应用，例如合并讨论线程以及将讨论互为评论。OSS 维护者可受益于 RD-Detector，以应对手动检测相关讨论及多次回答同一问题的繁重任务。