代码评审对于提升代码质量、提高员工编码水平、培育企业文化氛围具有重要意义。当前业界通常以经验总结、最佳实践指导代码评审。然而在实际开发过程中,代码评审质量难以被有效度量,往往未能达到企业预期。因此,如何科学、准确地量化评价代码评审质量并形成反馈,与最佳实践结合以提高代码评审质量是软件工程实践亟需解决的问题。代码评审涉及多个步骤,因此,代码评审质量也需要从多个维度进行度量。部分代码评审质量评价指标,如代码修改率、代码合并率可以基于启发式规则度量。然而,代码评审意见质量,即评审者针对提交代码所撰写文本的质量难以基于启发式规则进行评价。代码评审意见是评审者和开发者的直接沟通媒介,是代码评审的重要组成部分。无法科学、准确地评价代码评审意见质量就难以系统地评价代码评审质量实践的效果和质量。因此,评价和提升代码评审意见质量是提升代码评审实践的基本前提。针对代码评审意见质量评价任务,本文首先提出了代码评审意见质量评价体系;随后针对该体系中相关方法,设计、实施了预处理对比、半监督对比等实验;最后基于以上内容设计并实现了一个代码评审意见质量评价系统,用于交互式地进行模型训练及数据推理。在本文提出的代码评审意见质量评价体系中,主要使用BERT模型进行特征抽取及分类,首先,本文组建专家团队使用头脑风暴法制定了一套评价标准,该标准从评审类型、情感情绪、知识传授三个方面评价代码评审意见质量;随后基于该标准制作并发布了一个用于代码评审意见评价的数据集;为提高模型的预测F1-Score,本文设计了多种评审意见预处理方法,并配合其使用了领域预训练方法;其次,针对代码评审意见标签稀疏问题,本文还对虚拟对抗训练（VAT）算法进行了增强,使其可以在使用词嵌入层的自然语言模型上使用;随后,本文还针对新数据导致的模型退化问题进行了研究,提出了定期预训练和定期标注数据的解决方案。实验结果表明,本文提出的预处理方法、领域预训练方法及半监督方法均能在不同目标任务上将模型的F1-Score提升2%至9%不等;本文针对模型退化问题提出的解决方法平均能够将模型的F1-Score提升约6%。最后,本文设计并实现的代码评审意见质量评价系统达到了支持开发者在不了解算法细节情况下进行模型训练及数据推理的效果。综上,本文提出的代码评审意见质量评价体系及其支持系统能够帮助企业有效地解决代码评审意见质量评价的问题,为代码评审实践的质量评价提供重要支撑,提高代码评审的过程效率和质量。