In dieser Studie haben die Autoren eine qualitative Analyse von Beiträgen in Entwicklerforen durchgeführt, um die Zusammensetzung und Anordnung verschiedener Inhaltstypen (z.B. Code-Schnipsel, Fehlermeldungen, Bilder) in den Beiträgen zu verstehen. Basierend auf den Erkenntnissen aus dieser Analyse und unter Berücksichtigung von Industrieperspektiven haben sie eine verfeinerte Taxonomie für die Absichten von technischen Forenbeiträgen erstellt. Durch manuelle Beschriftung und Analyse eines Stichprobendatensatzes, der aus Online-Foren extrahiert wurde, verstanden sie die Relevanz zwischen der Zusammensetzung der Beiträge (Code, Fehlermeldungen) und ihren Absichten. Inspiriert von ihrer manuellen Studie entwickelten sie ein vortrainiertes transformatorbasiertes Modell, um Beitragsabsichten automatisch vorherzusagen. Die beste Variante ihres Absichtsvorhersagerahmens, die einen Micro F1-Score von 0,589, eine Top-1-3-Genauigkeit von 62,6% bis 87,8% und eine durchschnittliche AUC von 0,787 erreicht, übertrifft den Stand der Technik.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Xingfang Wu,... : arxiv.org 04-11-2024
https://arxiv.org/pdf/2312.14279.pdfDaha Derin Sorular