基于关系图卷积网络的代码搜索方法

来源：软件学报杂志2024年第6期北京时间：

作者：周光有，谢琦，余啸

单位：周光有，华中师范大学 计算机学院, 湖北 武汉 43007911,谢琦，华中师范大学 计算机学院, 湖北 武汉 43007902,余啸，武汉理工大学 计算机与人工智能学院, 湖北 武汉 43007003

摘要：代码搜索是当下自然语言处理和软件工程交叉领域的一个重要分支. 开发高效的代码搜索算法能够显著提高代码重用的能力, 从而有效提高软件开发人员的工作效率. 代码搜索任务是以描述代码片段功能的自然语言作为输入, 在海量代码库中搜索得到相关代码片段的过程. 基于序列模型的代码搜索方法DeepCS虽然取得了很好的效果, 但这种方法不能捕捉代码的深层语义. 基于图嵌入的代码搜索方法GraphSearchNet能缓解这个问题, 但没有对代码与文本进行细粒度匹配, 也忽视了代码图和文本图的全局关系. 为了解决以上局限性, 提出基于关系图卷积网络的代码搜索方法, 对构建的文本图和代码图编码, 从节点层面对文本查询和代码片段进行细粒度匹配, 并应用神经张量网络捕捉它们的全局关系. 在两个公开数据集上的实验结果表明, 所提方法比先进的基线模型DeepCS和GraphSearchNet搜索精度更高.

关键词：代码搜索;关系图卷积网络;细粒度匹配

基金资助：国家自然科学基金(61972173); 中央高校自主科研经费(CCNU22QN015); 武汉市知识创新专项基础研究项目(2022010801010278)