在GitHub中,议题报告(Issues)和分支请求报告(Pull Requests)是项目的两个重要组成部分(本文将议题报告和分支请求报告统称为议题单元)。现有研究证明,议题单元之间的链接在识别重复的议题单元方面发挥着重要作用。但目前为止,还没有研究说明为什么开发者要在讨论的时候留下议题单元之间的链接以及这些链接对软件开发和维护产生的潜在影响。因此,本文将首次分析议题单元链接网络(Issue Unit Network,缩写IUN),并对IUN中的链接行为进行深入探讨。首先,本文基于GitHub上16,584个流行的Python项目构建了IUN,并初步分析了链接行为的普遍性以及链接行为和项目影响力之间的关系。然后,本文研究了链接行为发生的原因,并发现了6种主要的链接关系,分别是依赖关系、重复关系、相关关系、参考关系、修复关系和增强关系。本文提出可以通过特定的句法模式来自动识别这些链接关系,为后续的研究提供支持。进一步分析每种链接关系,一些具有研究意义的结论被发现。最后,本文就重复分支请求报告的检测进行更深一步的研究,并将经典检索算法BM25用于重复分支请求报告检测。由于BM25只考虑到文本的显示特征,因此提出使用BM25LDA的重复检测方法,该方法综合考虑了文本的显示特征和潜在的主题特征。通过对IUN中链接行为的分析,本文给出了多个有趣且有意义的发现,其中包括重复议题单元检测、使用IUN可以更好的识别有影响力的项目和核心的议题报告等。而在重复检测实验中,BM25LDA相对于现有方法在Top20准确率上提升了3.4%。