谢文凯 彭 鑫 赵文耘

(复旦大学软件学院 上海 201203)(上海市数据科学重点实验室 上海 201203)

0 引 言

近些年来，互联网技术的发展日新月异。新技术层出不穷，同时一些旧的技术也在加快迭代的速度，焕发出新的活力，这导致了软件开发所涉及的技术体系也越来越繁琐、越来越复杂。但由于人的精力有限，软件开发人员也不会掌握全部的知识，他们在开发过程中也经常会遇到一些自己难以解决的问题。于是，一些能够专门为开发人员提供交流平台的编程类问答网站也逐渐变得火热起来。用户能够针对自己遇到的问题寻求帮助，也能够针对别人的问题提供自己的见解和解决方案。Stack Overflow是目前所有的编程类问答网站中最活跃、使用最广泛的其中之一。

与以往的用户能够自由交流讨论、畅所欲言的论坛不同，Stack Overflow的目标是希望成为编程类问答的一个超级数据库。在网站建立之初，它就要求用户在提问时要坚持“practical, answerable questions based on actual problems that you face”的原则，所以网站上的每个问题都不止是为了仅仅帮助提问者本人，更重要的是希望将来当别人遇到同样的问题时，同样能够提供帮助。

而在Stack Overflow的所有问答帖中，存在着大量的代码片段，它们可能是存在问题的代码，也可能是针对遇到问题所提出的解决问题的代码，当然也可能仅仅只是一个可能会用到的API等。如果能将这些代码片段进行合理、准确的分类，一方面，能够使得展示在网站上的代码片段更加直观、易于理解，能够帮助开发人员更加容易地分辨清楚哪些是自己需要的作为解决方案的代码片段，哪些是出现问题、需要进行修改或者优化的代码片段；……