SOCluster——基于图方法对 Stack Overflow 问题进行意图聚类的研究
软件工程
2021-07-07 v1
摘要
Stack Overflow（SO）平台拥有由用户交互驱动的海量问答数据集。但未回答问题数量持续上升。该问题在 Yahoo、Quora 等各类社区问答（Q&A）平台中普遍存在。聚类是这些社区应对该挑战的方法之一。具体而言，意图聚类可利用同一聚类中的其他已回答问题来回答未回答问题，并缩短新问题的响应时间。基于此，我们提出 SOCluster，一种基于图聚类方法、依据意图对 SO 问题进行聚类的方案与工具。我们选取了 10k、20k、30k 和 40k 四个不含代码片段或图像的 SO 问题数据集，并对其进行了意图聚类。我们使用常用的轮廓系数、Calinski-Harabasz 指数和 Davies-Bouldin 指数指标分析所得聚类，对工具做了初步评估。我们对 8 个不同相似度阈值进行聚类，并通过三项评估指标分析了输出聚类所反映的有趣趋势。在 90% 相似度阈值下，四个数据集的三项评估指标均呈现最佳值。源代码与工具可在 Github 下载：https://github.com/Liveitabhi/SOCluster，演示见：https://youtu.be/uyn8ie4h3NY。
引用
@article{arxiv.2107.02399,
title = {SOCluster- Towards Intent-based Clustering of Stack Overflow Questions using Graph-Based Approach},
author = {Abhishek Kumar and Deep Ghadiyali and Sridhar Chimalakonda},
journal= {arXiv preprint arXiv:2107.02399},
year = {2021}
}
备注
5 pages, 3 Figures, 1 Algorithm