NaLSiSe工具的设计与实现x.docxVIP

NaLSiSe工具的设计与实现 本文主要是将对基于自然语言的软件信息检索工具NaLSiSe（Natural Language based Software information Search engine）的设计和实现做详细的介绍。 系统框架 NaLSiSe工具主要包含以下三个功能： 完成软件信息的获取：实现对代码的解析，得到其基本结构信息，并通过推理得到增量信息；对文档中的描述信息进行提取，通过对文档进行句子切分，得到每个句子的三元组描述；建立代码与文档之间的关联，并通过代码之间的关系、代码与文档之间的关系得到文档与文档之间的关系； 实现基于自然语言问题的查询构造：支持用户输入自然语言的问题，并对问题进行分析，然后针对问题的不同特点构造相应的查询：包括SPARQL查询、三元组查询以及关键词查询。 实现软件信息的检索：结合对RDF图的检索和对文本的检索，根据三元组匹配、相似度计算和文档关联得到不同的检索结果，并通过排序机制将这些结果整合起来返回给用户。 基于上述提到的三个功能，NaLSiSe的系统框架图如下所示。工具主要包括三个模块，即：软件信息获取模块、查询构造模块、软件信息检索模块。其中，软件信息获取模块包括代码解析、文档中的描述信息获取、文档与代码关联构造三个子模块；查询构造模块包括问题分析、查询构造两个部分；软件信息检索模块包括RDF图检索和文本检索两个子模块。 图 SEQ Figure \* ARABIC 1 系统框架图 软件信息获取模块的设计与实现 为了帮助开发人员更快的学习一个软件项目，首先需要面向软件项目的代码和文档进行软件信息获取，以便于在后续的工作中可以使用这些信息。 图2 软件信息获取示意图 如上图所示，我们获取的信息主要包括三个方面，即代码结构信息、文档中的描述信息、代码与文档的关联信息。下面，我们将逐个说明如何实现三个方面信息的获取。 2.1代码解析子模块的设计与实现 本小节将详细介绍代码解析子模块的设计与实现，首先是代码基本结构的解析，然后是基于推理的增量信息获取。基本结构的解析依赖于现有的开源工具Eclipse JDT，最终得到代码的类与方法信息，然后得到类与类之间的关联信息。基于推理的增量信息获取主要借助于基本的代码调用信息，然后结合RDF图上的相关推理，从而得到间接的代码调用信息。 2.1.1代码基本结构解析 本文定义的代码基本结构信息包括：代码类信息，方法信息，类与类之间的继承、调用和关联信息等。其基本结构解析的类图如图3所示。 图3 代码基本结构解析的类图 ElementInfoPool类：该类用于表示代码中的类信息、方法信息和属性信息，其类型均采用哈希表的形式，即存储每一个实体的name和其基本信息。 FileLoader类：读取文件列表，核心方法是loadJavaFiles( )，输入参数为源代码的路径，返回参数为File类型的List集合。 ASTVisitor类：开源工具Eclipse JDT的抽象语法树访问类。其中定义了默认的访问方法和结束访问方法。 JavaASTVisitor类：继承了ASTVisitor类，根据本文的场景加入elementInfoPool以及parseMethod参数，且重写了Visit方法，用于访问语言单元结点。 JavaParser类： 该类用于解析java文件，输入参数为待解析的java文件列表，并用elementInfoMap存储解析得到的结果。 JavaReverser类：代码基本结构解析的核心类。该类不关心使用什么方法得到的基本信息，具体解析方法由JavaParser实现。它由两个核心的方法： （1）reverse()方法，通过调用FileLoader、ElementInfoPool、JavaParser类的方法，得到代码的类信息、方法信息、域信息。 （2）generateTypeRelation( )方法，遍历每个类的信息、方法信息、域信息，得到类与类之间关系的信息，最终用写入文件的形式保存中间结果，供后续工作对其组织存储。 2.1.2 基于推理的增量信息获取 我们用RDF图对上述得到的结果进行组织存储，利用Jena的编程框架对其进行结构化处理，并利用推理规则进行调用关系的推理。规则示例如下： String rules = [rule1: (?a sei#call ?b) (?b sei#call ?c) - (?a sei#call ?c)]; 其中，sei是RDF图的前缀，该规则表示sei#call 是一种传递关系。其类图如图4所示： 图4基于推理的增量信息获取类图 OntModel接口： Jena工具的RDF模型，包含很多方法，图中显示的部分是本工作用到的一些方法，如创建一个类、创建一个对象属性、写入模型、增加一条陈述等。 Rea