[开题框架]基于GitHub多模态数据的Issue多标签分类算法研究

[Zzzzzhuzhiwei]

Description

本 issue 用于追踪@Zzzzzhuzhiwei的开题内容

研究方向：
毕业论文旨在探索如何利用多模态信息（文本、代码片段、屏幕截图等）提高GitHub Issue的多标签分类准确性，并设计相应的算法来实现自动标签。

贡献点：

（1）综合的Issue数据集构建：
构建一个综合的GitHub Issue数据集，包括文本描述、代码片段、屏幕截图等多模态信息，为后续研究提供充分的实验基础。
（2）多模态表示方法设计：
提出一个Issue的多模态表示方法，能够有效地融合不同模态的信息，并在语义上保持一致性，以更准确地表达GitHub Issue的语义特征。
（3）多标签分类算法研究：
提出一种高效的多标签分类算法，实现对GitHub Issue的自动多标签分类，提高分类准确性和效率。

[will-ww]

基于多模态数据的 Issue 多标签分类算法研究与应用

三个贡献点：

1、Issue 多标签基准数据集的制作

• 结合文本、代码和图片，设计一个更加有针对性的 Issue 分类体系
• 选定一批优质的带标签数据项目，制作多模态数据集（带分类标签）
• 对该基准数据集做些统计分析与质量评估

2、基于XXX的 Issue 多标签分类算法

• 提出一种适合 Issue 分类问题的多模态表示方法
• 基于某种技术，设计 Issue 多标签分类算法
• 将提出的算法同已有的 SOTA 方法进行比较
• 可以增加一个算法的优化点，增加工作量

3、Issue 多标签分类算法的应用

• PolarDB 开源项目的应用
• Hypertrsons 或者HyperCRX 项目的集成与应用
• 展示

[Zzzzzhuzhiwei]

三个贡献点：

1、Issue 多标签基准数据集的制作

• 结合文本、代码和图片，设计一个更加有针对性的 Issue 分类体系
• 选定一批优质的带标签数据项目，制作多模态数据集（带分类标签）

一、文本分类：

1. 问题类型分类：
   • Bug（错误报告）
   • Feature （功能请求）
   • Question（问题求助）
   • Discussion（讨论）
   • Enhancement（增强改进）
2. 问题优先级分类：
   • Critical（关键）
   • High（高）
   • Medium（中）
   • Low（低）

二、代码分类：

1. 代码类型分类：
   • Frontend（前端）
   • Backend（后端）
   • Database（数据库）
   • Algorithm（算法）
   • Testing（测试）
   • Documentation（文档）
2. 代码问题分类：
   • Syntax Error（语法错误）
   • Logic Error（逻辑错误）
   • Performance Issue（性能问题）
   • Security Vulnerability（安全漏洞）
   • Code Style Issue（代码风格问题）

三、图片分类：

1. 截图类型分类：
   • User Interface（用户界面）
   • Error Message（错误信息）
   • Diagram（图表）
   • Flowchart（流程图）

一个综合的GitHub Issue分类可能是这样的：

• Bug Report:
  • 类型：Bug
  • 优先级：Critical
  • 代码类型分类：Backend
  • 代码问题分类：Syntax Error
  • 截图类型：Error Message

通过这样的分类体系，可以更加准确地识别和管理GitHub Issue，为开发者提供更有效的问题跟踪和解决方案。同时，结合多模态信息的分类体系能够更全面地反映问题的特点，提高了分类的精度和效率。

目前选取了GitHub上五个优质仓库（2024年1月到4月的数据）'microsoft/vscode', 'kubernetes/kubernetes', 'langchain-ai/langchain', 'nodejs/node', 'pytorch/pytorch'. 一共15816个issue，其中10169个有label 。处理issue的body，找出代码片段，以及图片。

目前想到的分类体系是这几个维度，希望各位同学和老师可以帮忙补充~