GitHub现在使用AI推荐项目存储库中的未解决问题

 
GitHub上的大型开源项目列出了需要解决的一长串问题。为了使发现最紧迫的问题更容易，GitHub最近引入了“良好的先发问题”功能，该功能将贡献者与可能符合其兴趣的问题相匹配。初始版本于2019年5月发布，基于项目维护者应用于问题的标签浮出水面。但是上个月发布的更新版本包含了一个AI算法，GitHub声称它在推荐给用户的大约70%的存储库中存在表面问题。
GitHub指出，这是第一个在Github.com上启用深度学习的产品。
根据GitHub高级机器学习工程师Tiferet Gazit的说法，GitHub去年进行了分析和手动管理，以创建流行的开源存储库使用的300个标签名称的列表。 (所有都是“好问题”或“文档”的同义词，例如“初学者友好”，“易于修复错误”和“低落的果实”。)但是，依靠这些意味着仅约40%的推荐的存储库存在可能浮出水面的问题。另外，它使项目维护者自己承担了对问题进行分类和标记的负担。
相比之下，新的AI推荐器系统基本上是自动的。但是构建它需要精心设计的注释训练集，包含数十万个样本。
Github推荐人AI
GitHub首先列出了精选列表中的大约300个标签中的任何一个，并补充了几组也可能对初学者友好的问题。 (这包括那些以前从未向存储库供稿的用户关闭过的文件，以及关闭的问题只涉及单个文件中几行代码的问题。)在检测并删除几乎重复的问题之后，进行了几次培训，验证和测试集跨存储库分开以防止类似内容的数据泄漏，并且GitHub训练AI系统仅使用经过预处理和去噪后的问题标题和正文，以确保在打开它们后立即检测到好问题。
在生产中，AI算法预测其概率高于所需阈值的每个问题都会被推荐进行推荐，其置信度得分等于其预测概率。从非归档公共存储库中公开的问题中，至少有一个选自策展标签列表中的一个标签，将根据其标签的相关性给他们一个可信度评分，与“文档”的同义词相比，“良好首发”的同义词的可信度更高在存储库级别，所有检测到的问题主要根据其可信度评分(尽管基于标签的检测通常比基于ML的检测具有更高的可信度)以及对发布时间的惩罚。
根据Gazit的说法，数据采集，培训和推理管道每天运行，使用计划的工作流程来确保结果保持“新鲜”和“相关”。将来，GitHub打算向其存储库建议中添加更好的信号，并为维护者提供一种机制和分类人员在其存储库中批准或删除基于AI的建议。它还计划扩展问题建议，为下一个问题提供个性化建议，以解决已经为项目做出贡献的任何人。