本論文は、ソフトウェア質問回答（SQA）コミュニティで開発された公開コードレビュー（PCR）を改善するために、開発者のコードレビュー要求の必要性を予測し、適切なタグを推奨する新しい方法である知識誘導プロンプト学習（KP-PCR）を提案します。従来のPCR研究が主にレビュー担当者の視点に焦点を当てたのとは異なり、KP-PCRは開発者の要求満足度の向上に焦点を当てています。これを行うには、マスクされた言語モデル（MLM）ベースのテキストプロンプトチューニングと、微調整された大規模言語モデルとプログラム依存グラフを活用した知識とコードプレフィックスのチューニングを介して、要求ニーズの予測とタグの推奨という2つのサブタスクを実行します。最終結果は、回答エンジニアリングモジュールを介して出力されます。 2011年から2023年までのPCRデータセットを使用した実験の結果、KP-PCRは従来の方法に対する要求の必要性予測で2.3%-8.4%、タグ推奨で1.4%-6.9%向上した性能を示しました。コードはGitHubで公開されています。
