一种基于双重信息检索的Bash代码注释生成方法技术

本发明专利技术提供了一种基于双重信息检索的Bash代码注释生成方法，包括以下步骤：(1)搜集数据得到一个高质量语料库，对该语料库进行去重操作，得到数据集；(2)使用CodeBert提取代码语义特征；(3)将代码片段视为由词元组成的集合，通过文本编辑距离计算集合之间的词法相似度，通过词法相似度从k个候选代码片段中检索出与目标代码词法相似度最高的代码片段；(4)从数据集中检索出与目标代码最相似代码片段，将该代码对应的注释作为目标代码的代码注释。本发明专利技术的有益效果为：可以根据目标代码在代码库中检索出最相似代码，从而生成高质量的代码注释，提高Bash代码的可读性和可理解性，帮助开发人员快速理解Bash代码。开发人员快速理解Bash代码。开发人员快速理解Bash代码。

【技术实现步骤摘要】
一种基于双重信息检索的Bash代码注释生成方法


[0001]本专利技术涉及计算机
，尤其涉及一种基于双重信息检索的Bash代码注释生成方法。

技术介绍

[0002]Shell是开发人员和Linux操作系统之间进行交互的接口。当前Linux操作系统支持不同类型的shell，其中Bash是Linux默认的shell命令语言，并且在程序开发过程中应用较为广泛。Bash作为一种脚本语言，通常包括三个基本组件：实用程序(例如：find、mkdir、cd、grep)，选项标签(例如：
‑
name、
‑
i)，以及参数(例如：“*.java”,“TODO”)。和传统的编程语言C语言、Java语言、Python语言等相比，Bash语言的使用场景较少，但是Bash语言在Linux系统的开发和维护过程中的作用仍然不可忽视。除此之外，Bash语言还具有应用领域广泛以及语言灵活等特点。对于不熟悉Bash语言的开发人员来说，使用Bash代码在完成开发和维护任务时仍具有一定困难。
[0003]高质量的代码注释可以提高Bash本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双重信息检索的Bash代码注释生成方法，其特征在于，包括以下步骤：(1)搜集高质量的Bash代码片段以及对应注释作为原始数据，形成原始语料库，对该语料库进行去重操作，得到数据集D，设定数据集D中数据格式为<Bash代码，代码注释>，该语料库包含来自10592个Bash代码数据；(2)使用CodeBert提取Bash代码片段的语义特征，并通过BERT
‑
whitening对语义特征向量进行关键特征提取和降维，计算Bash代码之间的语义相似度，根据语义相似度排序检索出前k个语义最相似的Bash代码片段作为候选代码；(3)将代码片段视为由词元组成的集合，通过文本编辑距离计算集合之间的词法相似度；(4)在语义相似度检索的k个代码片段中，计算目标代码和候选代码之间的词法相似度，从候选代码中检索出词法相似度最高的代码片段；(5)根据双重检索获取的代码片段，复用该片段的代码注释作为目标Bash代码的代码注释。2.根据权利要求1所述的基于双重信息检索的Bash代码注释生成方法，其特征在于，所述步骤(2)中通过CodeBert和BERT
‑
whitening操作提取代码语义信息，具体包括如下步骤：(2
‑
1)对于给定的Bash代码片段，将其视为文本序列，根据空格对序列进行分割，得到输入序列W；(2
‑
2)将序列W输入到CodeBert中，提取输出中第一层隐藏状态h0和最后一层的隐藏状态h
n
，并对它们取平均值，得到代码段的语义特征向量X；(2
‑
3)使用B...

【专利技术属性】
技术研发人员：陈翔，于池，杨光，刘珂，夏鸿崚，胡新宇，顾亚锋，
申请(专利权)人：南通大学，
类型：发明
国别省市：