[发明专利]一种树序列化嵌入的软件代码推荐方法

权利要求书

1.一种树序列化嵌入的软件代码推荐方法，其特征在于，包括如下步骤：

S1、通过解析抽象语法树AST分别将向量化的代码和注释嵌入到向量空间中并计算相似度，建立TCDEnn模型；

S2、收集java代码，通过AST节点提取进行预处理构建训练集和测试集，用来训练和测试TCDEnn模型；

S3、收集高质量的java代码，建立代码搜索库，开发人员输入描述查询代码搜素库，对搜索代码库中的AST向量与功能描述向量计算相似度，将相似度值最高的k个代码向量返回给开发人员。

2.根据权利要求1所述的树序列化嵌入的软件代码推荐方法，其特征在于，步骤S1中的TCDEnn模型包括三部分：AST嵌入、自然语言嵌入和相似度计算，其中，

S1.1、AST嵌入：将java代码解析成AST，并遍历节点，将AST嵌入到向量空间中；

S1.2、自然语言嵌入：将代码注释中用自然语言描述的代码功能内容嵌入到向量空间中；

S1.3、相似度计算：组合使用余弦相似度和曼哈顿距离来计算AST向量和功能描述向量在表达语义上的相似性。

3.根据权利要求2所述的树序列化嵌入的软件代码推荐方法，其特征在于，步骤S1.1包括如下步骤：

S1.1.1、使用Eclipse的JDT编译器将java代码解析成可视化的AST，提取代码和注释；

S1.1.2、通过观察AST结构特征，递归遍历AST节点，将AST转化成节点序列ASTseq，假设输入序列ASTseq＝{b₁，b₂，b₃，…，b_n}，使用GRU网络将ASTseq嵌入向量：

h_t＝G(h_t-1，b_t)，t∈{1，2，...，n}；

其中，G是GRU网络，b_t是APIseq的词嵌入向量，h_t是隐藏层状态值，最终的隐藏层状态h_n代表ASTseq的模态表示，n表示输入词个数；

步骤1.1.3、通过对ASTseq各隐藏层输出做加权平均运算弥补因为将ASTseq长序列作为GRU的输入所造成的必要信息丢失的问题，权重α计算方法为：

a_t＝softmax(h_n·h_t)，t∈{1，2，…，n}；

其中，h_n是ASTseq的模态表示，h_t是隐藏层状态值，α_t是h_t对应权重，最终得到AST的向量表示ast_repr：

4.根据权利要求3所述的树序列化嵌入的软件代码推荐方法，其特征在于，步骤S1.1.2包括如下步骤：

S1.1.2.1、将java代码解析成AST，观察节点特点；

S1.1.2.2、终端结点表示成一个二元组Ta,Va，而非终端节点表示为Ta；其中，Ta表示AST节点类型，Va表示AST节点值；

S1.1.2.3、从根节点开始，用一对括号表示树形结构，把树的根节点表示在右括号后面，递归遍历每一个子树，直到遍历完所有结点，得到含括号的节点序列，将括号去掉，根据AST序列的词汇表将这些节结点转换成数字得到ASTseq，并嵌入向量。

5.根据权利要求2所述的树序列化嵌入的软件代码推荐方法，其特征在于，步骤S1.2包括如下步骤：

S1.2.1、使用pycharm编译器对步骤S1.1得到的注释做字符串处理，提取每条注释中第一个@符号之前的、且不包括行首符号*和/的功能描述内容；

S1.2.2、将功能描述输入GRU中并求加权平均值，得到功能描述的向量表示desc_repr。