基于向量表示的代码搜索方法

• 作者: 刘克剑 慕江林 林晗
• 来源期刊: 西华大学学报（自然科学版）
• 学科: 工学
• 关键词: 代码向量表示 代码搜索 语义编码 余弦相似度
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 计算机与信息技术
• 页码范围: 106-112
• 页数: 7页
• 分类号: TP311.5
• 字数: 3807字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-159X.2019.05.018

摘要

软件开发者在开发项目过程中往往需要引用大量由其他开发者开发的基础软件包.为获取除基础软件包开发文档外的使用方式,软件开发者需将代码关键词输入到代码搜索引擎搜索代码片段.文章提出一种基于向量表示的代码搜索方法,该方法收集Github和Stack Overflow数据集中的代码片段训练一个扩充代码词的skip-gram模型,并使用这个模型扩充从搜索文本中提取的与代码词关联的搜索关键词,得到搜索关键词上下文代码片段向量组,将搜索关键词上下文代码片段向量组和待匹配代码片段向量组编码后,计算余弦相似度并排序生成搜索结果.为验证算法的有效性,分别在Github数据集和Stack Overflow上验证.在Stack Overflow数据集上测试表明:58％的搜索能在第1个搜索结果找到正确答案;65％的搜索能在前5个答案中找到正确答案;72％的搜索能在前10个答案中找到正确答案,并在召回率和F值也有一定程度的提升.在Github数据集上测试表明:59％的搜索能在第1个搜索结果找到正确答案;67％的搜索能在前5个答案中找到正确答案;74％的搜索能在前10个答案中找到正确答案,并在召回率和F值也有一定程度的提升.针对大量数据的代码检索,本算法效果优于典型方法的搜索结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘克剑	西华大学计算机与软件工程学院	27	202	7.0	13.0
2	林晗	成都理工大学管理科学学院	5	0	0.0	0.0
3	慕江林	西华大学计算机与软件工程学院	2	0	0.0	0.0