[发明专利]基于Lucene的强化学习代码检索模型

权利要求书

1.基于Lucene的强化学习代码检索模型：首先，分析代码文档并提取代码文档特征，使用Lucene为代码文档特征生成索引文件，对代码文档的文本、令牌、API等特征建立索引库；其次，通过比较当前查询和先前查询来获得查询重构，并根据代码文档特征和查询重构计算特征分数，从用户反馈中提取用户满意度；然后，采用MDP并根据查询公式和用户满意度计算特征权重；最后，通过其特征得分和特征权重的内积来计算与每个代码文档之间的相关性得分，返回结果。用户满意则流程结束，否则提取用户满意度，继续执行。

2.根据权利要求1所描述的基于Lucene的强化学习代码检索模型，其特征包括以下几个步骤：

1)分析代码文档并提取代码文档特征。

2)使用Lucene为代码文档特征生成索引文件。

3)通过比较当前查询和先前查询来获得查询重构。

4)相似度计算组件根据代码文档特征和查询重构计算特征分数，并从用户反馈中提取用户满意度。

5)采用MDP来根据查询公式和用户满意度计算特征权重。

6)通过其特征得分和特征权重的内积来计算与每个代码文档之间的相关性得分，返回结果。用户满意则流程结束，否则返回步骤4。

3.根据权利要求2所述的基于Lucene的强化学习代码检索模型，其特征是步骤1)中，分析代码文档提取了代码文档特征E。该特征分为三个部分：文本，令牌，API。其中：

·文本：通过删除标点符号和停用词，减小大小写和词干来预处理文本功能。

·令牌：令牌功能是通过删除Java关键字，根据驼峰大小写分割单词并减小大小写来提取的。

·API：使用与Deep API Learning中相同的步骤从每个Java方法中提取API功能，使用编译器将源文件解析为AST并遍历AST。

4.根据权利要求2所述的基于Lucene的强化学习代码检索模型，其特征是步骤2)中，使用Lucene为码文档特征生成索引文件。对代码文档的文本、令牌、API等特征使用词法分析和语法分析形成一系列词，经过索引创建形成词典和反向索引表，最终建立索引库。

5.根据权利要求2所述的基于Lucene的强化学习代码检索模型，其特征是步骤3)中，查询分析将生成查询重构G。查询重构是两个连续查询之间的句法编辑更改，令Q_i为当前查询，令Q_i-1为先前查询，G由Q_same，Q_added和Q_removed组成。其中：

·Q_same是包含在Q_i和Q_i-1中都包含的项的项集：Q_same＝Q_i∩Q_i-1。

·Q_added是包括Q_i中但不包含在Q_i-1中的项的项集：Q_added＝Q_i-Q_i∩Q_i-1。

·Q_removed是包含在Q_i中但不包含在Q_i-1中的项的项集：Q_removed＝Q_i-1-Q_i∩Q_i-1。