集成不确定性感知和用户选择的代码补全方法、装置及介质制造方法及图纸

技术编号:40291242 阅读:28 留言:0更新日期:2024-02-07 20:41
本发明专利技术提出了一种集成不确定性感知和用户选择的代码补全方法、装置及介质,所述方法包括:首先对代码补全推荐相关的不确定性进行量化计算;其次对基于深度学习的代码补全模型进行优化,降低模型的训练成本和GPU内存使用量,同时捕获开发人员的不同编码模式和编码习惯,提高代码推荐的准确性和相关性;然后,将用户反馈纳入代码补全过程,允许开发人员提供补全代码、首选项和选择的输入、代码偏好与选择方面的建议,实现定制补全以满足特定需求和要求;最后,根据用户实际使用和反馈,不断更新和完善代码补全模型,动态适应开发人员使用的编程语言、库和框架的变化。本发明专利技术将不确定性融入到代码补全的过程中,提高了代码补全的性能和效率。

【技术实现步骤摘要】

本专利技术属于计算机科学和软件工程领域,具体涉及一种集成不确定性感知和用户选择的代码补全方法、装置及介质


技术介绍

1、软件是我们日常生活中不可或缺的一部分,支持医疗保健、交通和娱乐等重要领域;但是,开发高质量的软件是一项耗时的任务。机器学习在各个领域都取得了重大进展,现在人们越来越关注使用它来加速软件开发过程。已经开发了诸如缺陷查找,缺陷检测和代码补全之类的工具来帮助软件工程师。这些技术旨在提高代码质量和效率,使软件开发过程更加简化和有效。

2、代码补全是集成开发环境(ide)中广泛使用的功能。它使软件开发人员能够接收下一个代码token的预测,从而促进更快的软件开发过程。代码推荐的成功取决于准确预测下一个相关token,理想情况下将其列为顶级推荐。但是,传统的代码推荐工具主要依赖于ide中的现有代码上下文,并根据频率计数或字母顺序排列预测。这种方法严重限制了他们的能力,无法提供最佳推荐。

3、对有效源代码推荐的需求推动了机器学习技术在该领域的采用。机器学习模型已经证明了从源代码上下文中有效学习并提供有价值的代码推荐的能力。与传本文档来自技高网...

【技术保护点】

1.一种集成不确定性感知和用户选择的代码补全方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种集成不确定性感知和用户选择的代码补全方法,其特征在于,步骤(1)所述不确定性与词汇表大小和所选代码token的质量有关。

3.根据权利要求1所述的一种集成不确定性感知和用户选择的代码补全方法,其特征在于,所述步骤(1)实现过程如下:

4.根据权利要求1所述的一种集成不确定性感知和用户选择的代码补全方法,其特征在于,所述步骤(2)实现过程如下:

5.根据权利要求1所述的一种集成不确定性感知和用户选择的代码补全方法,其特征在于,所述步骤(3...

【技术特征摘要】

1.一种集成不确定性感知和用户选择的代码补全方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种集成不确定性感知和用户选择的代码补全方法,其特征在于,步骤(1)所述不确定性与词汇表大小和所选代码token的质量有关。

3.根据权利要求1所述的一种集成不确定性感知和用户选择的代码补全方法,其特征在于,所述步骤(1)实现过程如下:

4.根据权利要求1所述的一种集成不确定性感知和用户选择的代码补全方法,其特征在于,所述步骤(2)实现过程如下:

【专利技术属性】
技术研发人员:亚瑟黄志球
申请(专利权)人:南京航空航天大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1