Gitter、Slack 等开源社区实时聊天平台是目前开发者协作的主要沟通工具，在软件开发和维护的过程中被广泛使用。
社区聊天中包含了大量有价值的问题-解决方案信息，这些信息能够有效地提高软件质量和生产力。比如，开发者可以将项目开发过程中存在的安装、编译等问题推送到平台上，经由其他开发者的回复以解决这些问题。但由于社区群体聊天的对话存在耦合性和复杂性，现有方法难以对其挖掘和提取。
该研究面向开源社区中的开发者，针对开发者实时聊天内容中大量有价值的“问题-解决方案”信息，提出了一种多层次模型 —— 面向群智的问题及解决方案自动提取技术（ISPY），有效构建了“问题-解决方案”（Issue-Solution）知识库，实现了当前“问题-解决方案”信息提取性能最优，在促进开源社区知识共享、提升问题解决效率等方面具有重要意义。
据介绍，研究团队在 8 个开源社区的 4944 条聊天数据上测试 ISPY 模型的准确率、召回率以及调和平均值。
IT之家了解到，研究团队还利用 ISPY 模型实现了在 StackOverflow 平台上自动问答，以 6/26 的最佳答案、19/26 的候选答案被该平台采纳，进一步证明了该模型的有效性和实用性。
