Cet article propose l'apprentissage guidé par les connaissances (KP-PCR), une nouvelle méthode permettant de prédire les besoins en matière de demandes de révision de code des développeurs et de recommander des balises appropriées, afin d'améliorer le système de révision de code ouvert (PCR) développé par la communauté des questions-réponses logicielles (SQA). Contrairement aux recherches PCR précédentes, qui se concentraient principalement sur le point de vue du réviseur, KP-PCR vise à améliorer la satisfaction des demandes des développeurs. Pour ce faire, il effectue deux sous-tâches : la prédiction des besoins en requêtes et la recommandation de balises. Cette sous-tâche consiste à optimiser les invites textuelles selon un modèle de langage masqué (MLM) et à affiner les préfixes de connaissances et de code à l'aide d'un modèle de langage à grande échelle et de graphes de dépendances de programme. Les résultats finaux sont générés par le module Answer Engineering. Les résultats expérimentaux utilisant l'ensemble de données PCR de 2011 à 2023 démontrent que KP-PCR surpasse les méthodes existantes de 2,3 % à 8,4 % en termes de prédiction des besoins en requêtes et de 1,4 % à 6,9 % en termes de recommandation de balises. Le code est disponible sur GitHub.
