[发明专利]API指令检测方法、装置

说明书

本发明公开了一种API指令检测方法、装置，所述方法包括：对API文档中的语句进行划分，得到API指令语句和普通语句；将API指令语句分别和普通语句组成多个类平衡训练子集；其中类平衡训练子集中API指令语句所占比例至少达到预设的平衡数值；API指令检测模型基于API特征标准，以类平衡训练子集作为训练集进行训练；使用训练完成的API指令检测模型进行API指令检测。采用上述技术方案，可以有效、准确且高效率地从API文档中检测识别API指令。

技术领域

本发明涉及数据处理领域，尤其涉及一种API指令检测方法、装置。

背景技术

应用程序编程接口(API)类库被现代软件行业的开发人员广泛使用。开发人员必须特别注意API指令才能正确调用API编程并避免致命错误。API指令是指在API文档中描述调用API时必须满足的约束和限制的语句。但是，由于API指令在API文档中的数量非常少，而且形态各异，开发人员人工识别所有相关的API指令非常耗时且容易出错。

由于从API文档中识别API指令的任务面临两个挑战，其一是多形态挑战，针对不同的API粒度(例如，类，接口，方法和字段)，API指令从不同方面描述了API约束的不同特征和模式；其二是类不平衡挑战，API指令和非指令之间存在极不平衡的分布，API指令在API文档中占比极低，且并非所有解释单元都包含API指令。因此，现有技术中采用的技术方案难以准确地从API文档中检测识别API指令。

发明内容

发明目的：本发明旨在提供一种API指令检测方法、装置。

技术方案：本发明实施例中提供一种API指令检测方法，包括：对API文档中的语句进行划分，得到API指令语句和普通语句；将API指令语句分别和普通语句组成多个类平衡训练子集；其中类平衡训练子集中API指令语句所占比例至少达到预设的平衡数值；API指令检测模型基于API特征标准，以类平衡训练子集作为训练集进行训练；使用训练完成的API指令检测模型进行API指令检测。

具体的，类平衡训练子集的数量是，普通语句的数量除以API指令语句的数量得到的商。

具体的，普通语句按照类平衡训练子集的数量划分为不相交的多个部分，每个部分和API指令语句组成类平衡训练子集。

具体的，所述预设的平衡数值为50％。

具体的，所述API特征标准包括以下至少一种：句法、结构和语义。

具体的，所述句法包括以下至少一种标准：情态动词、否定词、以at开头、数字、被动语态、条件句、错误句、鼓励句、比较词、复合词和继承句。

具体的，所述结构包括以下至少一种标准：粒度、位置、长度、长度比例、重要性、信息熵、前信息熵、后信息熵和相似度。

具体的，所述语义标准为语句的主题概率分布。

具体的，若待检测语句被超过预设比例的API指令检测模型认定为API指令，则所述待检测语句确认是API指令。

本发明实施例中提供一种API指令检测装置，包括：标记单元、训练集组成单元、训练单元和检测单元，其中：

所述标记单元，用于对API文档中的语句进行划分，得到API指令语句和普通语句；

所述训练集组成单元，用于将API指令语句分别和普通语句组成多个类平衡训练子集；其中类平衡训练子集中API指令语句所占比例至少达到预设的平衡数值；

所述训练单元，用于API指令检测模型基于API特征标准，以类平衡训练子集作为训练集进行训练；

所述检测单元，用于使用训练完成的API指令检测模型进行API指令检测。