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
(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;
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h(2-3)使用BERT-whitening处理语义向量X,通过线性变换进行关键特征提取和降维,将语义特征向量X转换为向量(2-4)通过计算目标代码段的语义向量
(2-5)使用FaceBook开发的FAISS库作为向量检索工具,根据语义相似度检索训练集中排在前k位的候选相似代码。
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)通过CodeBert和BERT-whitening操作提取代码语义信息,具体包括如下步骤:模型的超参数取值为:
CodeBert的embedding维度d:768;
BERT-whitening操作的维数K:256;
根据语义相似度检索候选代码时超参数k设置为8。
3.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(3)中计算代码片段之间的词法相似度,具体包括如下步骤:(3-1)首先将代码片段视为词元集合,对代码序列内的重复词元进行去重删除操作,获取两个代码片段的集合A和B;
(3-2)然后计算两个集合之间的文本编辑距离dis
(3-3)根据计算的文本编辑距离计算得到两个代码片段之间的词法相似度lexical_similarity(A,B),计算公式为: