[发明专利]生成教程片段的API标记的方法、系统及计算机设备

权利要求书

1.一种生成教程片段的API标记的方法，其特征在于，所述生成教程片段的API标记的方法包括：

从Stack Overflow网页进行问答对搜集，将搜集的问答对处理成问答文本，标记集和问答代码，标记集格式；

进行标记模型训练，捕捉问答对及其API标记之间的语义关系；

通过训练模型得到API标记；

所述从Stack Overflow网页进行问答对搜集，将搜集的问答对处理成问答文本，标记集和问答代码，标记集格式包括：

(1)从Stack Overflow网页搜集问答对，确定搜集到的内容与编程语言和目标API库的名称相关；

(2)从相应的API规范网站中收集与目标教程相关联的API名称，并将收集到的API名称构建API字典作为标记集；

(3)基于空格和标点符号对问答对内容进行拆分，并获取内容的标记；

(4)判断获取的内容标记与构建的API字典中的API名称是否匹配；若匹配，则将所述内容标记作为API标记，并构建问答代码QAcode，标记集；

所述问答对包括：选取被接受的答案并且回答的数目要超过三个，答案的评分要超过零分，问题的声誉打分要高于一分的问答对；

所述进行标记模型训练，捕捉问答对及其API标记之间的语义关系包括：

1)对问答代码QAcode进行编码以及回答文本QAtext进行编码；

2)利用代码编码器、文本编码器和标签解码器生成每个QAcode及其对应的QAtext的标签集；

步骤1)中，所述对问答代码QAcode进行编码包括：

1.1)使用Eclipse的Java解析器提取QAcode的抽象语法树即ASTs，若QAcode的代码片段不能被解析器解析，则利用部分程序分析工具处理这些代码片段；若代码的API类型未确定，则将代码指定为未知类型；

1.2)以深度优先顺序遍历提取得到的每个AST，并在API字典中保持API类和接口节点与API名称匹配，生成相应的API序列；当一个QAcode包含多个代码段，则将按顺序组合从所有代码段中提取的所有API序列；

1.3)将QAcode的API序列作为码编码器的源序列，进行问答代码QAcode编码，包括：

令表示API序列，N代表API序列的数目，表示第i个API序列，m表示在该序列中API的个数；在每个时间步骤t，代码编码器根据和先前的隐藏状态更新隐藏状态

当前隐藏状态的计算方法如下：

其中，f是一个非线性函数，将源序列的一个字映射成一个隐藏状态所述f设为长短期记忆网络；

步骤1)中，所述对回答文本QAtext进行编码包括：

从QAtext中提取问题标题，将问题标题作为为文本编码器的源序列，进行编码；

所述文本编码器的源序列中，表示包含N个问题标题的问题标题集合；表示第i个问题标题，m表示问题标题的字数；

步骤2)中，所述利用代码编码器、文本编码器和标签解码器生成每个QAcode及其对应的QAtext的标签集包括：

2.1)标签解码器从代码编码器和文本解码器收集注意力信息，并将从代码编码器和文本解码器收集到的注意力信息结合；

2.2)基于结合的注意力信息，标签解码器按照代码编码器和文本编码器顺序生成标签集；

步骤2.1)中，所述将从代码编码器和文本解码器收集到的注意力信息结合包括：

首先，解码器以表示标签集的开始的START符号开始，在每个时间步骤t，解码器使用LSTM函数计算当前隐藏状态h_t；

所述当前隐藏状态计算公式为：h_t＝f(h_t-1,y_t-1,c_t)；

其次，获取上下文向量c_t、先前预测的API标记[y₁，…，y_t-1]、当前隐藏状态h_t和当前上下文向量c_t预测当前API标记y_t的条件分布；

然后，当生成EOS符号时，通知解码器停止；y_t的条件分布的概率计算如下：

p(y_t|y₁,...y_t-1,x)＝g(y_t-1,h_t,c_t)；

其中g是估计y_i概率的非线性函数；

最后，代码编码器、文本编码器和解码器被联合训练使条件对数似然最大化，并用于估计参数。