基于代码结构知识的软件文档语义搜索方法

来源：软件学报杂志2019年第12期北京时间：

作者：林泽琦,邹艳珍,赵俊峰,曹英魁,谢冰

单位：林泽琦，高可信软件技术教育部重点实验室(北京大学), 北京 100871;北京大学 信息科学技术学院, 北京 10087111,邹艳珍，高可信软件技术教育部重点实验室(北京大学), 北京 100871;北京大学 信息科学技术学院, 北京 100871;北京大学(天津滨海)新一代信息技术研究院, 天津 30045002,赵俊峰，高可信软件技术教育部重点实验室(北京大学), 北京 100871;北京大学 信息科学技术学院, 北京 100871;北京大学(天津滨海)新一代信息技术研究院, 天津 30045003,曹英魁，高可信软件技术教育部重点实验室(北京大学), 北京 100871;北京大学 信息科学技术学院, 北京 10087104,谢冰，高可信软件技术教育部重点实验室(北京大学), 北京 100871;北京大学 信息科学技术学院, 北京 10087105

摘要：自然语言文本形式的文档是软件项目的重要组成部分.如何帮助开发者在大量文档中进行高效、准确的信息定位，是软件复用领域中的一个重要研究问题.提出了一种基于代码结构知识的软件文档语义搜索方法.该方法从软件项目的源代码中解析出代码结构图，并以此作为领域特定的知识来帮助机器理解自然语言文本的语义.这一语义信息与信息检索技术相结合，从而实现了对软件文档的语义检索.在StackOverflow问答文档数据集上的实验表明，与多种文本检索方法相比，该方法在平均准确率（mean average precision，简称MAP）上可以取得至少13.77%的提升.

关键词：软件复用;自然语言文本;代码结构知识;信息检索;语义搜索

基金资助：国家重点研发计划（2016YFB1000801）；国家杰出青年科学基金（61525201）