본 논문은 소프트웨어 질문 답변(SQA) 커뮤니티에서 개발된 공개 코드 검토(PCR)를 개선하기 위해, 개발자의 코드 검토 요청의 필요성을 예측하고 적절한 태그를 추천하는 새로운 방법인 지식 유도 프롬프트 학습(KP-PCR)을 제안합니다. 기존 PCR 연구가 주로 검토자 관점에 집중한 것과 달리, KP-PCR은 개발자의 요청 만족도 향상에 초점을 맞춥니다. 이를 위해, 마스크드 언어 모델(MLM) 기반의 텍스트 프롬프트 튜닝과, 미세 조정된 대규모 언어 모델 및 프로그램 종속 그래프를 활용한 지식 및 코드 접두사 튜닝을 통해 요청 필요성 예측 및 태그 추천이라는 두 가지 하위 작업을 수행합니다. 최종 결과는 답변 엔지니어링 모듈을 통해 출력됩니다. 2011년부터 2023년까지의 PCR 데이터셋을 이용한 실험 결과, KP-PCR은 기존 방법 대비 요청 필요성 예측에서 2.3%-8.4%, 태그 추천에서 1.4%-6.9% 향상된 성능을 보였습니다. 코드는 GitHub에서 공개됩니다.
