挖掘 Stack Overflow 的重复问题

Oct, 2022

Mining Duplicate Questions of Stack Overflow

Mihir Kale, Anirudha Rayasam, Radhika Parik, Pranav Dheram

TL;DR本研究提出两个基于神经网络的架构来解决 Stack Overflow 中存在的问题复制，同时还通过显式建模问题中存在的代码进一步提高了检测质量。

Abstract

There has a been a significant rise in the use of Community Question Answering sites (CQAs) over the last decade owing primarily to their ability to leverage the wisdom of the crowd. Duplicate questions have a crippling effect on the quality of these sites. Tackling duplicate questions is therefore an important step towards improving quality of CQAs. In this

community question answering duplicate question detection neural network stack overflow code modeling

发现论文，激发创造

用神经网络预测 StackOverflow 上的问题质量

本文评估了神经网络模型以预测 Stack Overflow 上问题的质量，结果表明与基准机器学习模型相比，神经网络模型具有更高的准确性，并且发现神经网络模型的层数对其性能有显著影响。

Apr, 2024

无标签训练数据的神经重复问题检测

本研究提出了两种方法：自动生成重复问题和使用问题标题和正文进行弱监督，研究表明这两种方法可以有效地训练社区问答中的问题检测模型，尤其是可以利用来自 cQA 论坛的大量未标记数据。同时，我们还发现使用标题和正文信息进行弱监督的方法是训练 cQA 答案选择模型的有效方法。

Nov, 2019

社区问答调查

探讨社区论坛问题识别与重复问题检测的方法及其挑战，并调研了应对这些问题的方法。

May, 2017

对抗领域自适应在重复问题检测中的应用

我们使用对抗域适应来检测网络论坛中的重复问题，实验结果表明平均改进了 5.6％，并且指出了该方法有效的条件以及相应的领域特征。

Sep, 2018

电子学习平台中的无监督问题重复和相关问题检测

该研究提出了一种名为 QDup 的工具，它可以无需受监督的数据，利用统计和神经方法结合的无监督流程，从一个大型题目库中获取近似重复和语义相关的问题，并且在高准确率和速度下为学习者提供相关练习题。

Dec, 2022

MQDD：面向软件工程领域的多模态问题重复检测的预训练

本文提出了一种新的方法，在 Stack Overflow 网站上收集数据并预训练多模态模型来搜索重复的问题回答。通过引入两个新的学习目标，我们设计的多模态模型可以在多种编程语言中训练，从而提高重复检测的能力。最终我们得到了一个 MQDD（Multimodal Question Duplicity Detection）模型，并发布了两个与软件工程领域相关的数据集。

Mar, 2022

利用用户信息在问答网站中预测最佳答案

本研究使用问题者的背景信息及其他特征，例如文本内容或者与其他参与者的关系，并利用 Stack Exchange 数据集进行训练，提出一种预测最佳答案的新方法，并且证明了用户间的关系对结果具有重要影响。同时，我们发现用户关系信息与文本特征和元特征（如时间差异）之间有较少的重叠。

Dec, 2022

社区问答中的答案排序：一种深度学习方法

本研究对社区问答的答案排名进行了深入的研究，基于大规模的 Stack Overflow 问题和回答数据，利用深度学习方法 (密集嵌入和 LSTM 网络) 进行预测和排序，提高了问答的准确度，但由于源码中大量的 oov 词汇，深度学习模型的性能提升由限制，未来应开发新的方法以解决该问题。

Oct, 2022

使用 Quora 问题对数据集进行自然语言理解

本文研究自然语言理解（NLU）任务，通过研究 Quora 数据集中的重复问题检测，进行了数据集的广泛探索，采用了多种机器学习模型，包括线性和基于树的模型。我们最终发现，一个简单的连续词袋神经网络模型具有最佳性能，优于更复杂的循环和注意力模型。我们还进行了误差分析，并发现数据集标签中存在一定的主观性。

Jul, 2019

社区问答中答案选择和答案摘要生成的联合学习

该研究利用新颖的联合学习模型解决 CQA 中答案冗余和长度问题，设计了一个以问题为导向的指针生成网络，同时利用答案给长回答降噪，构建了一个包含长回答和参考摘要的大规模 CQA 语料库 WikiHowQA，实验证明该方法可以有效地解决 CQA 中的冗余问题，并取得了在答案选择和文本摘要任务上的最新成果。

Nov, 2019