[发明专利]一种基于侧面信息的代码片段编程语言识别方法

摘要

本发明公开了一种基于侧面信息的代码片段编程语言识别方法，通过对代码片段周围附属的侧面信息，如评论、描述、标签等的分析，构造更为合理的用于代码片段编程语言识别的分类器，从而较好地解决了传统的仅基于源代码本身的识别方法的准确率低下问题。本方法分为两个主要步骤，首先利用关键词增强的多标记学习技术对代码片段周围的文本信息和已知标签进行分析，扩充足够数量的与代码片段相关的标签，之后利用已知编程语言的代码片段和标签训练出贝叶斯分类器，用于对未知编程语言的代码片段进行编程语言识别。在收集于编程社区问答网站StackOverflow的真实数据集上的实验表明，该方法较传统的识别技术具有更高识别准确率。

主权项

一种基于侧面信息的代码片段编程语言识别方法，其特征在于，包括如下部分：首先通过代码片段周围文字解释信息即代码片段的侧面信息对标签信息进行推断补全，然后利用补全之后的标签信息训练识别模型，根据模型预测得到识别出的语言类别；方法实现设计两个技术：一是推断补全标签的技术，即基于文本关键词增强的文本标签推荐技术MATAR；二是利用标签信息识别语言类别的技术，即基于代码片段附属标签的编程语言识别技术SIPLDM‑MATAR。