.png){kind=icon}
返回
Improving code search by query reformulation with experienced programmer intelligence
.png){kind=icon}
PRE
AI
DOI：10.1016/j.infsof.2026.108174.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
查询扩展或重构涉及通过替换词语、添加新术语及其他技术来增强短查询以改善搜索结果。在代码搜索中，可从专业用户获取大量高质量的历史搜索数据。这些数据既捕捉了查询创建者使用的表达方式，也包含了其查询内容，为普通用户查询重构提供了宝贵参考。本研究探讨了如何应用经验丰富的程序员的优质历史查询来重构普通用户提交的查询，从而提升其代码搜索的准确性。为此，我们收集了GitHub的功能描述和StackOverflow的评论数据，汇编了一个包含200万条IT专业人士描述的高质量查询数据集。基于该数据集，提出了一种基于专业描述的查询重构方法，命名为QRPD，以提升代码搜索的准确性。广泛实验表明，QRPD在代码搜索中优于现有最先进的查询重构方法，准确率提高了8%，验证了所提方法的有效性和优越性。
Keyword:
query reformulation
code search
experienced programmer intelligence
query expansion
software engineering
期刊
IF:
4.3
论文数:
3.8K
被引数:
7.7K
机构
引用论文
暂无论文信息