[发明专利]一种基于代码文档的安卓API语义关系图谱构建方法

权利要求书

1.一种基于代码文档的安卓API语义关系图谱构建方法，其特征在于，具体步骤为：

（一）安卓API语义关系分类

API是安卓官方文档中最基本的元素，此外还包括类、包和权限；

对API与API、类、包和权限之间的语义关系进行分类，具体分为5大类别关系，即结构关系、原型关系、引用关系、用法关系和权限关系；

（1）结构关系，该类别描述不同API、类、包和权限之间在代码组织上的关系；安卓API文档具有层次化结构，从顶层到底层按照包、类和API的结构进行组织；每个包含有多个类，每个类是一个单独的HTML文件；类是API文档的最小文件单位，每个类文档描述了基本的层次信息和该类中的所有API；

（2）原型关系，该类别描述与API的参数类型、返回值类型和抛出的异常类型相关的关系；其中，参数类型指定了在调用时传送给API的值类型，返回值类型指定了API调用后返回何种类型的值，抛出的异常类型指定了API调用过程中如果发生异常需要捕获何种异常，它们都与API的使用息息相关，直接反映一个API的功能；

（3）用法关系，该类别描述API的使用规范和方法；在安卓的API中，存在一些API在功能和用法上相似，用法类关系就关注在描述中的可选择性；在一个实际的场景中，除了要按照API的原型正确地调用，还需要关注API与API之间的使用条件；

（4）引用关系，该类别描述一个API引用另一个API、类、包或权限的关系，包括该类关系指明一个API的使用需要参照另一个API；

（5）权限关系，该类别关注API使用权限的关系，权限描述安卓API在执行过程中需要的资源，用于API的功能和敏感程度；

（二）可泛化表示API关系的模板及迭代式模板生成

在安卓官方文档中，与API语义有关的信息主要包括结构化的语义信息和非结构化的语义信息；对于结构化的语义信息，按照从顶层到底层的层次依次进行解析，得到结构化的API语义关系；对于非结构化的语义信息，非结构化的语义信息是安卓官方文档中的描述信息，描述信息以自然语言的方式描述API的功能、用法和注意事项等信息；据此，总结出可泛化表示API关系的模板，并提出其迭代式生成方法；

其中，可泛化表示API的关系有4种，分别是条件关系、可选择关系、引用关系、权限使用关系；其迭代式生成的步骤如下：

首先，随机选择 1% 的类，包括这些类中的所有经过 NLP 预处理之后的描述信息，使用人工的方式提取模板；

然后，随机选择另外 1% 的类，进行 NLP 预处理之后，使用上一步中的模板进行匹配以抽取关系；对于每一句包含API、类、包或权限的句子，如果能匹配模板并提取关系，否则删掉，剩下没有提取关系的句子，人工检查这些句子并从中提取模板，添加到模板集合；

重复上述步骤，直到模板集合不再增加；

（三）基于自然语言处理和模板的关系图谱构建

使用自然语言处理技术对描述信息进行预处理，包括句子拆分、词干提取、指代消解、命名归一化，然后基于预先定义的模板进行匹配，提取API语义关系；具体步骤如下：

句子拆分，对于一大段的描述，使用句号作为描述的分割符，将描述拆分成一个一个的句子；

词干提取，对于API描述中的每个单词，去除单词的词缀，得到其词根；

指代消解，对于描述信息中的代词，确定代词指向的名词或名词短语；

命名归一化，在API文档中对API、类、包和权限存在多种命名形式，基于预定义的命名方式，将它们的多种不同名称替换为预定义名称，以便规范化实体的表示；

基于自然语言处理的预处理完成之后，通过前面总结的模板使用正则表达式去进行匹配，构建API语义关系图谱。