Gitter、Slack等开源社区实时聊天平台是目前开发者协作的主要沟通工具，在软件开发和维护的过程中被广泛使用。社区聊天中包含了大量有价值的问题-解决方案信息，这些信息能够有效的提高软件质量和生产力。比如，开发者可以将项目开发过程中存在的安装、编译等问题推送到平台上，经由其他开发者的回复以解决这些问题。但由于社区群体聊天的对话存在耦合性和复杂性，现有方法难以对其进行挖掘和提取。
团队提出的ISPY模型首先利用多层前馈网络模型将耦合的对话进行解耦，形成若干独立的对话；其次，模型基于卷积网络提取对话的文本特征，基于启发式规则提取语义特征，基于局部注意力机制提取对话的上下文特征。在预测阶段，进行两步预测，第一步预测对话内容是否讨论问题（问题识别），第二步预测对话的内容哪些属于解决方案（解决方案抽取）。
团队在8个开源社区的4944条聊天数据上测试ISPY模型的准确率、召回率以及调和平均值。在问题识别任务上，ISPY模型超过所有现有指标，调和平均值达到76%，平均提升当前最优基线30%；在解决方案抽取任务上，准确率与召回率指标超过现有基线水平，调和平均值达到63%，平均提升最优基线20%。此外，研究团队还利用ISPY模型实现了在StackOverflow平台上自动问答，以6/26的最佳答案、19/26的候选答案被该平台采纳，进一步证明了该模型的有效性和实用性。
相关研究得到国家自然科学青年基金、中科院青年创新促进会、中科院软件所优秀青年科技人才计划支持。
论文链接
代码链接
面向群智的问题及解决方案自动提取方法框架
