计算机应用研究

作者：邓斯元,魏乐,舒红平,

单位：1.成都信息工程大学软件工程学院,成都610225；2.软件自动生成与智能服务四川省重点实验室,成都610225；

关键词：代码复用,代码语料库,深度学习,代码片段推荐,

基金：四川省重点研发资助项目(2020YFG0299)；；

在当前的软件开发环境中，海量的低质量、无意义的代码知识为开发人员进行代码复用造成了阻碍，大大降低了软件开发效率。为了快速准确地为开发人员推荐高质量的代码知识，提出了基于SBERT（sentence-BERT）模型的代码片段推荐方法CSRSB（code snippets recommendation based on sentence-BERT）。该方法首先获取海量的高质量数据来构建代码语料库，并基于深度学习模型SBERT为代码片段对应的自然语言描述和用户输入的自然语言查询生成具有丰富语义的句向量，通过比较点积相似度来实现代码片段的推荐。使用命中率、平均倒数排名和平均准确率这三个常用推荐评估指标与现有相关研究中的方法进行对比来验证该方法的有效性。实验结果表明，CSRSB在有效提高代码片段推荐准确度的同时也能够做到快速推荐。

来源：2022年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第12期