[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

摘要

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。

主权项

1.一种面向自然语言形式问题的基于讲义和Stack Overflow的API相关信息检索方法，其特征在于，所述面向自然语言形式问题的基于讲义和Stack Overflow的API相关信息检索方法包括以下步骤：步骤一，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；步骤二，对自然语言形式的提问进行分析，获取与问题相应的潜在API；步骤三，基于迁移的深度度量学习方法TDML对相关的API‑KI对进行鉴别；为API‑讲义段对的训练集，x_iT为第i个带标签的API‑讲义段对样本，N_T是API‑KI库中API‑讲义段对的数目；为API‑Q&A对的训练集，包含N_S的API‑Q&A对，其中x_iS为第i个带标签的API‑Q&A对样本；X＝[x₁,…,x_i,…,x_N]为API‑KI对的总集合，其中X是既包含API‑讲义段对又包含API‑Q&A对的N个API‑KI对集合，x_i表示第i个带标签的API‑KI对；将X_T和X_S映射至共同的特征空间，同时两者的分布也会趋于相似；生成的特征空间使非线性相关系数最大化，非线性相关系数如下：其中cov(·)表示协方差，var(·)表示自方差，(·)^T表示矩阵的转置；和φ(X_S)表示两个非线性映射，将X_T和X_S映射至非线性的特征空间中；W_T和W_S分别为投影方向；公式(2)使用不完全的Cholesky分解计算求得的投影方向W_T和W_S使得和φ(X_S)分别投影至相同的特征空间，并且映射后的样例和W_Sφ(X_S)相关性最大；X′表示X经过映射后的新的训练样本集合，包含新的X_T′即和新的X_S′即W_Sφ(X_S)；将新的训练集X′作为TDML的输入，其中TDML为一个三层的深度神经网络，包括输入层、隐藏层和输出层，对应神经节点的数量分别为d，d‑1和d‑3；对于输入的x′，经过前向传播，在第m层的输出为：其中f^(m)(x′)为由第m层的权重矩阵W^(m)和偏差b^(m)决定；为激活函数，此处为tanh函数；深度神经网络学习到所有的权重W^(m)和偏差b^(m)；输入层设置h⁽⁰⁾＝x′；基于极小极大原理，TDML将同时最小化类内API‑KI对的距离以及最大化类间API‑KI对的距离；输出层的目标函数为：其中g(W^(m),b^(m),X′)为判定项，γ(γ＞0)为可调的正归一化参数；||·||_F表示Frobenius范数；判定项g(W^(m),b^(m),X′)如下：其中若x_j′为x_i′的k₁个类内最近邻，P_ij为1，否则为0；若x_j′为x_i′的k₂个类间最近邻，Q_ij为1，否则为0；α(α＞0)作为类内耦合和类间分散的重要性平衡参数；将公式(5)带入，将TDML方法的目标函数(4)整理为：公式(4)通过梯度下降的方法计算最优权重矩阵W^(m)和偏差b^(m)；此处k₁、k₂、α和γ经验性的设置为(27,45)、(5,10)、0.1和0.1；根据学习到的权重矩阵W^(m)和偏差b^(m)，鉴别相关API‑KI对首先根据W^(m)和b^(m)，计算公式(3)中f^(m)(x′)，然后通过公式||f⁽²⁾(x_i′)‑f⁽²⁾(x_j′)||2₂计算x_i′和x_j′之间的距离，并对相关的API‑KI对进行鉴别；步骤四，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。