Este documento propone Knowledge-Guided Prompt Learning (KP-PCR), un método novedoso para predecir la necesidad de solicitudes de revisión de código de los desarrolladores y recomendar etiquetas apropiadas, para mejorar el sistema de revisión de código abierto (PCR) desarrollado en la comunidad de Software Question Answering (SQA). A diferencia de la investigación PCR anterior, que se centra principalmente en la perspectiva del revisor, KP-PCR se centra en mejorar la satisfacción de las solicitudes de los desarrolladores. Para lograr esto, realiza dos subtareas: predicción de la necesidad de solicitud y recomendación de etiquetas. Esta subtarea implica ajustar las indicaciones de texto basadas en un Modelo de Lenguaje Enmascarado (MLM) y ajustar el conocimiento y los prefijos de código utilizando un modelo de lenguaje a gran escala y gráficos de dependencia del programa. Los resultados finales son generados por el módulo Answer Engineering. Los resultados experimentales utilizando el conjunto de datos PCR de 2011 a 2023 demuestran que KP-PCR supera a los métodos existentes en un 2,3% a 8,4% en la predicción de la necesidad de solicitud y en un 1,4% a 6,9% en la recomendación de etiquetas. El código está disponible en GitHub.
