[发明专利]一种代码片段重要性的判断方法和装置

权利要求书

1.一种代码片段重要性的判断方法，其特征在于，包括：

接收待注释代码片段；

提取所述待注释代码片段的第一特征向量；

将所述第一特征向量输入到目标分类模型，输出对所述待注释代码片段的重要性判断结果；

其中，所述目标分类模型通过预置的分类模型训练过程所生成；

所述第一特征向量包括语法特征向量、文本特征向量、结构特征向量和关系特征向量，所述提取所述待注释代码片段的第一特征向量的步骤，包括：

将所述待注释代码片段转换为抽象语法树；

从所述抽象语法树中提取所述待注释代码片段的语句类型信息；

根据对所述语句类型信息的统计结果，确定所述待注释代码片段对应的语法特征向量；

按照预设变量词划分规则从所述待注释代码片段中提取目标单词；

根据对所述目标单词的统计结果，确定所述待注释代码片段对应的文本特征向量；

根据所述待注释代码片段的复杂程度，确定所述待注释代码片段对应的结构特征向量；

基于所述待注释代码片段的函数调用数量，确定所述待注释代码片段对应的关系特征向量；

所述语句类型信息包括多种语句类型的出现频率、数量和频率分布情况，所述根据对所述语句类型信息的统计结果，确定所述待注释代码片段对应的语法特征向量的步骤，包括：

统计所述多种语句类型的频率分布情况，确定语句频率分布特征；

统计所述多种语句类型的数量，确定语句数量特征；

统计所述多种语句类型所对应的语句总数量，确定总语句数量特征；

采用第一预置词特征转换模型将所述多种语句类型分别转换为语句类型特征；

以所述出现频率作为权重，对多个所述语句类型特征进行加权求和，确定总语句类型特征；

拼接所述语句频率分布特征、所述语句数量特征、所述总语句数量特征和所述总语句类型特征，生成所述待注释代码片段对应的语法特征向量。

2.根据权利要求1所述的方法，其特征在于，所述分类模型训练过程包括：

从预置的软件仓库中获取已注释代码文件；

以函数为单位对所述已注释代码文件进行划分，生成多个训练代码片段；

为具有预设类型注释的所述训练代码片段设置第一预设标签；

为不具有预设类型注释的所述训练代码片段设置第二预设标签；

分别提取每个所述训练代码片段的第二特征向量；

采用多个所述第二特征向量训练预置的初始分类模型，得到目标分类模型。

3.根据权利要求1所述的代码片段重要性的判断方法，其特征在于，所述预设变量词划分规则包括驼峰规则或下划线规则，所述按照预设变量词划分规则从所述待注释代码片段中提取目标单词的步骤，包括：

从所述待注释代码片段中提取单词；

采用所述驼峰规则或所述下划线规则从所述单词中确定待处理单词；

从所述待处理单词中删除预设停用词，得到待提取单词；

提取所述待提取单词中的词干，生成目标单词。

4.根据权利要求1或3所述的代码片段重要性的判断方法，其特征在于，所述目标单词包括多个待统计单词，所述根据对所述目标单词的统计结果，确定所述待注释代码片段对应的文本特征向量的步骤，包括：

统计所述多个待统计单词的总数量，确定总单词数量特征；

统计所述多个待统计单词的种类数量，确定单词种类数量特征；

分别计算所述多个待统计单词中的每种待统计单词的出现频次的方差，确定单词方差特征；

统计所述多个待统计单词中非英语单词的比例，确定非单词比例特征；

采用第二预置词特征转换模型将所述多个待统计单词分别转换为单词特征；

以每个所述待统计单词的出现频率作为权重，对所有所述单词特征进行加权求和，生成总单词特征；

拼接所述总单词数量特征、所述单词种类数量特征、所述单词方差特征、所述非单词比例特征和所述总单词特征，生成所述待注释代码片段对应的文本特征向量。