图像处理识别 Stack Overflow 重复问题的负面结果

在开发者社区快速演变的格局中，问答平台作为众包开发者知识的关键资源。一个显著趋势是使用图像更有效地传达复杂查询。然而，当前的重复问题检测方法未能跟上这一转变，主要集中于基于文本的分析。灵感来自图像处理的进步以及大量研究表明图像在社交编码平台上具有悠久前景的图像-based 通信，使我们深入研究了用于识别 Stack Overflow 上重复问题的图像技术。当仅关注 Stack Overflow 问题的文本分析且不使用图像时，我们的自动模型会忽略问题的一个重要方面。前期研究表明，图像对文本具有补充性。为此，我们实现了两种图像分析方法：首先，将图像中的文本整合到问题文本中，其次，基于图像内容评估图像。经过严格评估后，我们的模型显示实现的效率提升相对有限，约为平均 1%。这种边际增益不足以被视为具有实质性影响。作为鼓励方面，我们的工作为易于复制和假设验证奠定了基础，使未来研究能够在此基础上进行构建。