面向开源项目新人的个性化首个问题推荐器

许多开源项目提供 good first issues（GFIs，适合新手的问题）以吸引并留住新人。尽管已提出若干自动化 GFI 推荐器，现有推荐器仅限于推荐通用 GFI，而未考虑个体新人之间的差异。然而，我们观察到通用 GFI 与新人多样化背景之间的错配，导致尝试失败、入职受挫以及问题解决的延迟。为解决该问题，我们假设针对新人的个性化首个问题（PFIs）有助于减少错配。为验证该假设，我们对 37 名新人及其跨多个项目解决的首个问题进行了实证分析。我们发现，同一新人解决的首个问题在任务类型、编程语言和项目领域上具有相似性。这些发现凸显了对 PFI 推荐器以改进 SOTA（当前最优）方法的需求。为此，我们通过分析新人可能特征与其所选首个问题特征之间的关系，识别出影响新人个性化选择首个问题的特征。我们发现新人的专业偏好、开源经验、活跃度与情感倾向驱动了其对首个问题的个性化选择。基于这些发现，我们提出个性化首个问题推荐器（PFIRec），其利用 LambdaMART，通过已识别的影响特征为给定新人排序候选问题。我们使用来自 100 个 GitHub 项目的 68,858 个问题数据集评估 PFIRec。评估结果表明，PFIRec 优于现有的首个问题推荐器，在中位数上可能使首位推荐问题适合特定新人的概率翻倍，并减少新人三分之一的寻找合适首个问题的失败尝试。