《代码搜索类别概述》2000字.docxVIP

代码搜索类别概述

代码搜索任务是指给定自然语言查询和代码库，代码搜索模型正确度量自然语言查询和代码库中的候选代码段之间的语义相关度，并根据相关度得分搜索排名Topk的代码片段。为了分析代码搜索任务的发展趋势，将代码搜索任务划分为信息检索、深度学习、启发式以及在线搜索四个类别进行概述。

基于信息检索的代码搜索

传统的代码搜索算法大多都是基于TF-IDF[47]和BM25[48]之类与信息检索相关的技术。与大多信息检索技术相比，TF-IDF是一种简单且有效的排序方法。如果TF-IDF得分较高，说明相应的词汇信息出现频率较高。BM25在TF-IDF基础上进一步改进的方法，它在一个有限的上限下可以限制频率出乎意料高的术语的作用，平衡不同大小代码片段中包含的术语的重要程度。初期的代码搜索是大多都是隐式地将自然语言查询中的单词与布尔操作符“或”连接起来，然而这种方法并不能处理更高级的“与”操作，在源代码搜索性能上存在一定的局限性。为了提高源代码的搜索算法的效率，大部分代码搜索算法从API的角度出发来捕获源代码特性。CodeHow[20]集成扩展的布尔模型来计算自然语言查询语句和代码片段之间的相关性程度，从而达到精确搜索源代码片段的目的。自然语言和代码片段属于异构数据，二者不存在相同的词汇标记，因此难以搜索到符合查询意图的代码片段。为了解决代码片段和自然语言查询之间存在的单词不匹配问题，基于查