본 논문은 개발자들이 양질의 코드 리뷰를 효율적으로 받을 수 있도록 돕는 Public Code Review (PCR) 시스템에서, 개발자의 코드 리뷰 요청의 질을 보장하기 위한 새로운 접근 방식을 제안한다. 특히, 개발자의 요청 가시성을 높이는 데 초점을 맞춰, 요청의 필요성을 예측하고 태그를 추천하는 두 가지 하위 작업을 수행한다. 이를 위해, 하드 프롬프트를 사용하여 Masked Language Model(MLM)으로 변환하는 텍스트 프롬프트 튜닝, 사전 훈련된 대규모 언어 모델로부터 지식 안내를 도입하는 지식 및 코드 prefix 튜닝, 그리고 프로그램 의존성 그래프를 활용하여 코드 조각을 특성화하는 기술을 통합한 KP-PCR 모델을 제안한다. KP-PCR은 요청 필요성 예측 및 태그 추천 작업을 수행하며, PCR 데이터셋 (2011-2023)에 대한 실험을 통해 기존 baseline 모델보다 우수한 성능을 보였다.
