面向技术论坛的问题解答状态预测

摘要：

当遭遇技术问题时,开发人员往往会在Stack Overflow等技术论坛上发布问题并等待回答.此类QA系统也是基于互联网的群智化软件开发的一个重要表现形式.但是论坛上提出的问题并不一定能够获得满意答案.因此,提出问题并被动地等待答案并不总是最佳策略.为此,提出了一种基于深度神经网络的方法以自动预测问题能否获得满意答案.提前预知问题能否及时获得有效答复,开发人员可以提前规划应对策略.该方法不仅充分利用了问题本身的文本信息,也将提问人员相关内容作为预测的主要依据.利用最新的深度学习技术,充分挖掘输入特征与问题解答状态之间的内在关联关系.在StackOverflow提供的数据集上的实验结果表明:所提出的方法能够预测问题的解答情况,结果显示在预测问题是否有满意答案的查准率为58.87％、查全率为46.68％(随机猜测的查准率为38.77％,查全率为35.26％),并优于机器学习KNN和浅层神经网络FastText.

关键词：群智化软件、社区问答、状态预测、深度学习、文本分类

所属期刊栏目：57

分类号：TP311.56(计算技术、计算机技术)

资助基金：国家自然科学基金重大项目61690205

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：474-486