SkillScope：用于预测解决 GitHub 问题所需细粒度技能的工具
软件工程
2025-01-28 v1 机器学习
摘要
新成员经常在加入新的开源软件（OSS）项目时难以找到他们能够处理的任务。一个原因是问题跟踪器缺乏关于完成给定任务所需知识或技能的解释。这些解释可能复杂且耗时。过去的研究通过为问题标记类型、问题难度级别和问题技能来部分解决此问题。然而，现有方法仅限于小范围的标签，且缺乏对其语义的深入细节，这可能不足以帮助贡献者识别合适的问题。为克服这一限制，本文探索了大型语言模型（LLM）和随机森林（RF）来预测解决开放问题所需的多层次技能。我们引入了一个新工具 SkillScope，该工具从 GitHub 上的 Java 项目中检索当前问题，并预测解决这些问题所需的多层次编程技能。在一个案例研究中，我们展示了 SkillScope 在平均精确率为 91%、召回率为 88%、F-measure 为 89%的情况下，能够预测 217 种多层次技能。实践者可以使用此工具更好地分配或选择在 OSS 项目中解决问题。
引用
@article{arxiv.2501.15922,
title = {SkillScope: A Tool to Predict Fine-Grained Skills Needed to Solve Issues on GitHub},
author = {Benjamin C. Carter and Jonathan Rivas Contreras and Carlos A. Llanes Villegas and Pawan Acharya and Jack Utzerath and Adonijah O. Farner and Hunter Jenkins and Dylan Johnson and Jacob Penney and Igor Steinmacher and Marco A. Gerosa and Fabio Santos},
journal= {arXiv preprint arXiv:2501.15922},
year = {2025}
}