空间代码查询_深度代码搜索

1 引用

Xiaodong Gu and Hongyu Zhang and Sunghun Kim. Deep code search. In Proceedings of the 40th International Conference on Software Engineering, 2018, 933--944.

2 摘要

为了实现程序功能，开发人员可以通过大规模搜索来重用以前编写的代码段和代码库。多年来，业界已经提出了许多代码搜索工具来帮助开发人员。现有方法通常将源代码视为文本文档，并利用信息检索模型来检索与给定查询匹配的相关代码段。这些方法主要依靠源代码和自然语言查询之间的文本相似性。他们对查询和源代码的语义缺乏深刻的了解。

在本文中，我们提出了一种名为 CODEnn(代码描述嵌入神经网络)的新型深层神经网络。 CODEnn 不是匹配文本相似性，而是将代码段和自然语言描述共同嵌入到高维向量空间中，以使代码段及其对应的描述具有相似的向量。使用统一的矢量表示，可以根据它们的矢量检索与自然语言查询相关的代码段。还可以识别语义上相关的单词，并且可以处理查询中不相关的关键字/噪声。

作为概念验证应用程序，我们使用 CODEnn 模型实现了一个名为 DeepCS 的代码搜索工具。我们根据从 GitHub 收集的大规模代码库经验性地评估 DeepCS。实验结果表明，我们的方法可以有效地检索相关的代码片段，并优于以前的技术。

3 技术介绍

在本文中，我们提出了一种名为 CODEnn(代码描述嵌入神经网络)的新型深层神经网络。为了弥合查询和源代码之间的词汇鸿沟，CODEnn 将代码段和自然语言描述共同嵌入到高维向量空间中，以使代码段及其对应的描述具有相似的向量。利用统一的矢量表示，可以根据它们的矢量来检索与自然语言查询语义相关的代码段。 还可以识别语义上相关的单词，并且可以处理查询中不相关的关键字/噪声。

使用 CODEnn，我们实现了代码搜索工具 DeepCS。DeepCS 在来自