[发明专利]面向自然语言形式基于讲义和网站的API信息检索方法

说明书

本发明属于信息检索领域，公开了一种面向自然语言形式的基于讲义和Stack Overflow的API信息检索方法，构建API与知识项的API‑KI库；API‑KI库包含API与讲义段的API‑段对、API与问答帖的API‑Q&A对，并进行提取；对自然语言形式的提问进行分析，获取与问题对应的潜在API；使用相关性鉴别模型TDML对相关的API‑KI对进行鉴别；将潜在API与相关的API‑KI对匹配生成候选列表，并根据排序策略对候选列表进行降序排列，最后返回排序后的API‑KI列表作为问题的解答。本发明提出的检索方法整合了API讲义和SO的信息，有效提高了检索精度，并能为开发者提供更多更有用的API相关知识。

技术领域

本发明属于信息检索领域，尤其涉及一种面向自然语言形式的基于讲义和StackOverflow的API信息检索方法。

背景技术

目前，业内常用的现有技术是这样的：

现有的方法大多基于全文检索，比如利用基于VSM的Lucene全文检索引擎包，直接根据自然语言问题在文档库中进行关键词的检索和匹配，以及使用基于神经网络的Word2Vec词向量模型可以很好的挖掘词之间的上下文关系，因此可以先将问题和文档分别进行词向量表示，再根据两者之间的相似性返回结果。除此之外，CK方法则利用了源码中软件领域的概念知识，通过提取API图谱进行API相关文档推荐。

开发者们通常使用API来加速软件开发进程或提高软件质量。但随着API库规模的扩大和API数目的增加，开发者们往往会遇到不熟悉的API或是新的API库。此时，他们需要知道用什么API和怎样使用它们，而现实中一些学习资料和论坛比如API讲义和StackOverflow(SO)能够帮助查找和使用API。前者整合了用于解释API的文字描述和代码实例，并按编程任务进行分组。后者是一个供开发者们学习和分享编程知识的问答(Q&A)网站，汇集的大量问答帖可以被认为是群智的一种，作为官方文档(比如API讲义)的补充。有研究表明，API讲义能够帮助开发者们理解泛型编程环境中API的某些行为，而SO中的问答帖则倾向于对特定编程环境中的API用法进行解释，将两者结合能够提供更多类型的API相关信息。

现有的方法不能为开发者们同时提供两种资料上的API相关信息检索。为了尽快的使用多种资料对API进行熟悉，开发者们不得不使用SO自带的搜索引擎检索所需的API或浏览相关的问答帖人工对有用的API进行识别，或是使用先进的API讲义推荐工具(例如FRAPT)查找API相关的讲义片段，两个过程往往不能同步进行。这样的检索方法不仅效率不高，而且将两种资料分开处理可能导致返回的结果不相关。

另一个影响检索精度的因素是问题的质量。例如，SO的搜索引擎关于某个问题会返回大量问答帖，问题中包含的API名称和关键词有助于提升问答帖的相关度。但实际应用中，开发者们有可能对能够使用什么API不了解，也不知道具体的API名称，这种情况下，他们会将与API相关的问题用自然语言描述，而SO返回的问答帖和API就需要人工进一步筛选。

综上所述，现有技术存在的问题是：

(1)现有的方法不能为开发者们同时提供两种资料上的API相关信息检索。比如FRAPT方法只提供API讲义的推荐，或是根据Stack Overflow的搜索引擎进行检索。检索方法不仅效率不高，而且将两种资料分开处理可能导致返回的结果不相关。

(2)现有的方法没有深入挖掘提问语义层的信息，基于关键字匹配的方法容易造成大量有用信息的丢失，最终导致检索精度的损失。特别是在自然语言形式下，提问可能并不直接包含API名称，直接计算问题和文档之间关键词相关度的方法如VSM只能利用了极少的文字信息。