Code Reviewer Recommendation Based on a Hypergraph with Multiplex Relationships

代码审查是软件开发的重要组成部分，在确保对代码更改进行全面检查方面发挥着至关重要的作用。然而，持续不断的拉取请求和有限的可用审查人员池对审查过程构成了重大挑战，使得为每个审查请求分配合适的审查人员的任务变得越来越困难。为了解决这个问题，我们提出了MIRRec，一种新颖的代码审查员推荐方法，它利用具有多重关系的超图。MIRRec通过拉取请求和开发人员之间的无度超边编码超越传统的成对连接的高阶相关性，从而可以捕捉高阶隐式连通性并识别潜在的审查人员。为了验证MIRRec的有效性，我们使用包括来自GitHub上托管的十个流行开源软件项目的48,374个拉取请求的数据集进行了实验。实验结果表明，MIRRec在ACC和MRR方面优于现有的最先进的代码审查员推荐方法，尤其是在没有PR-Review Commenters关系的情况下，突显了它在改进代码审查过程中的重要性。

代码审查是软件开发中必不可少的组成部分，但是不断涌现的拉取请求和有限的审查人员池对审查过程构成了挑战。本文旨在解决这个问题，提出了一种新的代码审阅人员推荐方法MIRRec，利用具有多重关系的超图。

MIRRec通过超边在拉取请求和开发人员之间建立高阶关联，捕捉高阶隐式连通性并识别潜在的审阅人员。

本文使用包含48,374个拉取请求的数据集对MIRRec进行了实验验证，结果表明MIRRec在ACC和MRR方面优于现有的代码审阅人员推荐方法，特别是在没有PR-Review Commenters关系时表现最好。

最近的相关研究包括基于深度学习的代码审阅人员推荐方法和基于图神经网络的推荐方法。