論文の概要: Features that Predict the Acceptability of Java and JavaScript Answers
on Stack Overflow
- arxiv url: http://arxiv.org/abs/2101.02830v2
- Date: Mon, 19 Jun 2023 09:18:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 16:00:01.646290
- Title: Features that Predict the Acceptability of Java and JavaScript Answers
on Stack Overflow
- Title（参考訳）: Stack OverflowにおけるJavaとJavaScriptの回答の許容性を予測する機能
- Authors: Osayande P. Omondiagbe, Sherlock A. Licorish and Stephen G. MacDonell
- Abstract要約: 私たちは、最も人気のある2つのタグ(JavaとJavaScript)の質問と回答を分析してStack Overflowデータセットを調査しました。
その結果,回答中のコードの長さ,ユーザの評判,質問と回答間のテキストの類似性,質問と回答間の時間ラグは,受け入れられない回答と受け入れられない回答を区別する最も高い予測力を有することがわかった。
- 参考スコア（独自算出の注目度）: 5.332217496693262
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Context: Stack Overflow is a popular community question and answer portal
used by practitioners to solve problems during software development. Developers
can focus their attention on answers that have been accepted or where members
have recorded high votes in judging good answers when searching for help.
However, the latter mechanism (votes) can be unreliable, and there is currently
no way to differentiate between an answer that is likely to be accepted and
those that will not be accepted by looking at the answer's characteristics.
Objective: In potentially providing a mechanism to identify acceptable answers,
this study examines the features that distinguish an accepted answer from an
unaccepted answer. Methods: We studied the Stack Overflow dataset by analyzing
questions and answers for the two most popular tags (Java and JavaScript). Our
dataset comprised 249,588 posts drawn from 2014-2016. We use random forest and
neural network models to predict accepted answers, and study the features with
the highest predictive power in those two models. Results: Our findings reveal
that the length of code in answers, reputation of users, similarity of the text
between questions and answers, and the time lag between questions and answers
have the highest predictive power for differentiating accepted and unaccepted
answers. Conclusion: Tools may leverage these findings in supporting developers
and reducing the effort they must dedicate to searching for suitable answers on
Stack Overflow.
- Abstract（参考訳）: コンテキスト: stack overflowは、ソフトウェア開発中の問題を解決するために、実践者が使用するコミュニティの質問と回答のポータルです。
開発者は、受け入れられた回答や、メンバーが助けを求めるときに良い答えを判断する際に高い投票を記録した回答に注意を向けることができる。
しかし、後者のメカニズム (votes) は信頼できない可能性があり、現在、受理されそうな答えと、解の特徴を見て受理されないものとを区別する方法は存在しない。
目的: 受理回答を識別するメカニズムを潜在的に提供する上で, 受理回答と受理回答を区別する特徴について検討する。
方法:最も人気のある2つのタグ(javaとjavascript)の質問と回答を分析してstack overflowデータセットを調査した。
2014年から2016年にかけてのデータセットは249,588件であった。
我々はランダムな森林モデルとニューラルネットワークモデルを用いて、受け入れられた答えを予測し、これらの2つのモデルで最も高い予測力で特徴を研究する。
結果: 回答中のコードの長さ, ユーザの評判, 質問と回答間のテキストの類似性, 質問と回答間の時間ラグは, 受け入れられない回答と受け入れられない回答を区別する最も高い予測力を有することがわかった。
結論: ツールはこれらの発見を活用して開発者を支援し、Stack Overflowで適切な回答を探す努力を削減できる。
関連論文リスト
- An exploratory analysis of Community-based Question-Answering Platforms and GPT-3-driven Generative AI: Is it the end of online community-based learning? [0.6749750044497732]
ChatGPTは、Stack Overflowのようなコミュニティの質問に答えるプラットフォームに対して、ソフトウェアエンジニアにインタラクティブな代替手段を提供する。
私たちは、2022年1月から2022年12月までに質問されたStackOverflowから、2564のPythonとJavaScriptの質問を分析しました。
分析の結果,ChatGPTの回答は66%短く,質問に対して35%の回答が得られた。
論文 参考訳（メタデータ） (2024-09-26T02:17:30Z) - Multimodal Reranking for Knowledge-Intensive Visual Question Answering [77.24401833951096]
回答生成のための知識候補のランク付け品質を向上させるためのマルチモーダル・リランカを提案する。
OK-VQAとA-OKVQAの実験は、遠隔監視からのマルチモーダルリランカーが一貫した改善をもたらすことを示している。
論文 参考訳（メタデータ） (2024-07-17T02:58:52Z) - Can We Identify Stack Overflow Questions Requiring Code Snippets?
Investigating the Cause & Effect of Missing Code Snippets [8.107650447105998]
Stack Overflow(SO)のQ&Aサイトでは、コード関連の問題に対するソリューションをリクエストすることが多い。
彼らはしばしば、質問の提出時に必要なコードスニペットを見逃す。
本研究では,SO質問におけるコードスニペットの欠落の原因と影響について検討する。
論文 参考訳（メタデータ） (2024-02-07T04:25:31Z) - Answering Ambiguous Questions with a Database of Questions, Answers, and
Revisions [95.92276099234344]
ウィキペディアから生成される曖昧な質問のデータベースを利用して、あいまいな質問に答えるための新しい最先端技術を提案する。
提案手法は,リコール対策で15%,予測出力から不明瞭な質問を評価する尺度で10%向上する。
論文 参考訳（メタデータ） (2023-08-16T20:23:16Z) - Answering Ambiguous Questions via Iterative Prompting [84.3426020642704]
オープンドメインの質問応答では、質問のあいまいさのため、複数の妥当な回答が存在する可能性がある。
ひとつのアプローチは、すべての有効な回答を直接予測することですが、これは、妥当性と多様性のバランスに苦労する可能性があります。
本稿では,あいまいな疑問に答える既存手法の欠陥に対処するため,AmbigPromptを提案する。
論文 参考訳（メタデータ） (2023-07-08T04:32:17Z) - Best-Answer Prediction in Q&A Sites Using User Information [2.982218441172364]
コミュニティ質問回答 (CQA) サイトは近年, 大きく普及している。
そのような答えを見つけるための実践的な方法は、既存の回答とコメントが与えられた最高の候補を自動的に予測することです。
本稿では,質問者の背景情報やその他の特徴を用いて,最適な回答を予測するための新しい手法を用いて,この制限に対処する。
論文 参考訳（メタデータ） (2022-12-15T02:28:52Z) - Answer ranking in Community Question Answering: a deep learning approach [0.0]
本研究は, 地域質問回答の回答ランキングを, 深層学習のアプローチで進めることによって, 技術の現状を推し進めるものである。
Stack OverflowのWebサイトにポストされた質問と回答の大規模なデータセットを作成しました。
我々は,高密度埋め込みとLSTMネットワークの自然言語処理機能を利用して,受理された応答属性の予測を行った。
論文 参考訳（メタデータ） (2022-10-16T18:47:41Z) - Graph-Based Tri-Attention Network for Answer Ranking in CQA [56.42018099917321]
本稿では,グラフに基づく新しい三者関係ネットワーク,すなわちGTANを提案し,回答ランキングのスコアを生成する。
実世界の3つのCQAデータセットの実験では、GTANは最先端の回答ランキング法よりも大幅に優れていた。
論文 参考訳（メタデータ） (2021-03-05T10:40:38Z) - Brain-inspired Search Engine Assistant based on Knowledge Graph [53.89429854626489]
developerbotは脳にインスパイアされた、knowledge graphの名前の検索エンジンアシスタントだ。
複雑なマルチ制約クエリを複数の順序制約に分割することで、多層クエリグラフを構築する。
次に、制約推論プロセスを認知科学の拡散活性化モデルに触発されたサブグラフ探索プロセスとしてモデル化する。
論文 参考訳（メタデータ） (2020-12-25T06:36:11Z) - Open-Domain Question Answering with Pre-Constructed Question Spaces [70.13619499853756]
オープンドメインの質問応答は、大量の文書の集合の中でユーザ生成した質問に対する回答を見つけるという課題を解決することを目的としている。
ソリューションには、レトリバーリーダーとナレッジグラフベースのアプローチの2つのファミリーがある。
本稿では,両家系と異なるリーダ・リトリバー構造を持つ新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-06-02T04:31:09Z) - Improving Quality of a Post's Set of Answers in Stack Overflow [2.0625936401496237]
Stack Overflowの低品質な投稿の多くは改善を必要としている。
本稿では,このような投稿の識別プロセスを自動化し,回答の集合を強化するアプローチを提案する。
論文 参考訳（メタデータ） (2020-05-30T19:40:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。