MQDD：面向软件工程领域的多模态问题重复检测预训练
计算与语言
2022-03-30 v2 机器学习
编程语言
软件工程
摘要
本工作提出一种新流程，利用 Stack Overflow 网站收集的数据预训练一个多模态模型，用于在问答网站上搜索重复问题。我们的多模态模型在多种编程语言的问题描述与源代码上训练。我们设计两个新的学习目标以提升重复检测能力。本工作的成果是一个成熟的、经微调的多模态问题重复检测（MQDD）模型，可集成至 Stack Overflow 搜索系统中，帮助用户为已解答的问题寻找答案。除 MQDD 模型外，我们发布两个与软件工程领域相关的数据集。第一个 Stack Overflow 数据集（SOD）代表一个大规模的问题-答案配对语料库。第二个 Stack Overflow 重复数据集（SODD）包含用于训练重复检测模型的数据。
引用
@article{arxiv.2203.14093,
title = {MQDD: Pre-training of Multimodal Question Duplicity Detection for Software Engineering Domain},
author = {Jan Pašek and Jakub Sido and Miloslav Konopík and Ondřej Pražák},
journal= {arXiv preprint arXiv:2203.14093},
year = {2022}
}