一种基于词级对齐的代码搜索方法及装置
摘要文本
本发明公开了一种基于词级对齐的代码搜索方法及装置，其中的方法包括如下步骤：输入带描述的代码；使用对齐工具对代码进行词级对齐处理；分别对代码和描述进行单独的嵌入，构建词级信息流图，用词级信息流图提取时序‑结构高度关联的特征；用Transformer分别计算代码和描述的表示向量；预测每个候选代码片段的余弦相似度分数，使用分数对所有候选代码片段进行重新排序，得到检索代码列表。本发明为了提升源代码与AST之间的关联性，使用对齐工具明确建立它们之间的词级别对应关系；基于自注意力机制的图生成网络，用于为每个源代码预测一个词级信息流图，通过阈值化处理去除相关性较低的冗余词。
申请人信息
- 申请人:武汉大学
- 申请人地址:430072 湖北省武汉市武昌区八一路299号
- 发明人: 武汉大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于词级对齐的代码搜索方法及装置 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311723167.6 |
| 申请日 | 2023/12/15 |
| 公告号 | CN117421392B |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06F16/33 |
| 权利人 | 武汉大学 |
| 发明人 | 蔡波; 刘司芮; 郭伟榕; 罗剑; 于耀翔 |
| 地址 | 湖北省武汉市武昌区珞珈山 |
专利主权项内容
1.一种基于词级对齐的代码搜索方法，其特征在于，包括：输入带描述的代码；使用对齐工具对代码进行词级对齐处理，建立代码与抽象语法树之间的词级别对应关系；基于代码与抽象语法树之间的词级别对应关系，采用基于自注意力机制的图生成网络对代码进行嵌入，获得代码段的词级信息流图，采用自注意力机制对描述进行嵌入，获得描述的词级信息流图，其中，代码段的词级信息流图用以提取时序与结构关联的特征；分别以代码段的词级信息流图和描述的词级信息流图作为掩码矩阵，利用Transformer编码器计算代码的表示向量和描述的表示向量；根据代码的表示向量与描述的表示向量之间的余弦相似度，得到检索代码列表；其中，使用对齐工具对代码进行词级对齐处理，包括：将输入的代码解析为抽象语法树，以抽象语法树为指导将代码切分为代码序列；将每个代码序列添加到对应的抽象语法树的叶节点上，得到具有对应关系的抽象语法树与代码序列，建立代码与抽象语法树之间的词级别对应关系；基于代码与抽象语法树之间的词级别对应关系，采用基于自注意力机制的图生成网络对代码进行嵌入，获得代码段的词级信息流图，包括：采用图神经网络GNN对抽象语法树进行嵌入得到稠密表示，然后将对应的AST叶节点和代码序列拼接后作为代码段的词级信息流图的节点：其中，表示代码段的词级信息流图的节点向量集合，/>表示第/>个节点向量，/>表示AST中第/>个叶节点向量，/>表示第/>个代码序列向量，/>与/>是一对具有对应关系的叶节点和代码序列；使用自注意力机制构建的相关性矩阵，设定第一阈值/>，将相关性矩阵中不大于/>的位置置零，其余位置置一，得到代码段的词级信息流图的邻接矩阵/>；其中，表示矩阵中第i行第j列的元素，/>表示代码序列长度；>为节点，/>为边，构建代码段的词级信息流图/>，其中/>为代码段的词级信息流图的边的二元组集合。。 （更多数据，详见马克数据网）