[发明专利]一种基于功能相似度匹配的代码搜索方法

权利要求书

1.一种基于功能相似度匹配的代码搜索方法，其特征在于，该方法包括如下步骤：

步骤1)对代码库中的源码，以方法为粒度切分，进行简单特征提取，提取每个方法的方法名和方法体两个特征,分别表示方法名和方法体中出现的特征关键字；

步骤2)分析项目源代码，挖掘代码片段的功能信息，提取功能注释和功能API两个特征；

步骤3)输入自然语言查询进行搜索时，为不同的代码特征分配不同的权重，采用余弦相似度算法，分别计算查询语句和代码片段的原始相似度和功能相似度；

步骤4)为原始相似度和功能相似度分配权重并计算最后的总的相似度得分，根据得分高低对搜索结果进行排序返回给用户；

所述步骤2)中提取功能注释的具体流程为：

(a)解析源代码的抽象语法树，提取类注释和方法注释；

(b)对注释中与功能无关的内容进行过滤，过滤掉注释中与参数及返回值介绍相关的内容、与创建者或作者相关的内容、包含网址或者日期相关的内容、描述版权信息的内容，将剩余的注释信息视为功能信息；

(c)最后得到的方法的功能注释包含了类注释和方法注释两个模块；

所述步骤2)中提取功能API的具体流程为：

(a)提取当前方法中的API调用列表；

(b)过滤掉其中典型的通用类库的API，包括JDK、Log4j；

(c)将API列表中剩下的API视为功能API，提取对应的类名和方法名；

所述步骤3)中，首先采用最常用的相似度计算模型“向量空间模型”将代码和查询分别表示为向量，然后采用余弦相似度算法分别计算原始相似度和功能相似度：

(a)原始相似度的计算的具体步骤为：

计算查询和方法名的相似度：

计算查询和方法体的相似度：

计算原始相似度得分Score(original)＝α·Sim(query,name)+(1-α)·Sim(query,body)；

其中V(query)表示查询语句向量，V(name)表示方法名向量，V(body)表示方法体向量，α和(1-α)分别表示Sim(query,name)和Sim(query,body)的权重；

(b)功能相似度的计算的具体步骤为：

计算查询和注释的相似度Sim(query,comment)：

方法的功能注释包含两个模块：方法注释和类注释，需要分别计算；

Sim(query,comment)＝

βSim(query,clascom)+(1-β)Sim(query,methcom)；

计算查询和API信息的相似度：

计算功能相似度得分Score(function)＝γ·Sim(query,comment)+(1-γ)·Sim(query,API)；

其中V(query)表示查询语句向量，V(clascom)表示类注释向量，V(methcom)表示方法注释向量，V(API)表示API向量，β表示Sim(query,clascom)的权重，(1-β)表示Sim(query,methcom)的权重，γ表示Sim(query,comment)的权重，(1-γ)表示Sim(query,API)的权重；

所述步骤4)中计算总的相似度得分方法为：

公式：Score＝λ·Score(original)+(1-λ)·Score(function)；

其中λ、(1-λ)分别表示Score(original)和Score(function)的权重。