.png){kind=icon}
返回
Retrieving API Knowledge from Tutorials and Stack Overflow Based on Natural Language Queries
.png){kind=icon}
OA
AI
DOI：10.1145/3565799.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当遇到不熟悉的API时，开发人员倾向于向API教程和Stack Overflow (SO) 寻求帮助。API教程可帮助开发人员在一般上下文中了解API知识，而在特定编程任务中通常会解释API知识。因此，教程和SO帖子一起可以提供更多的API知识。但是，从基于自然语言查询的API教程和SO帖子中检索API知识并非易事。两个主要问题是两个不同资源中不相关的API知识以及查询和文档之间的词汇差距。在本文中，我们将教程中的片段和SO中的问答 (Q & a) 对视为知识项目 (KI)。我们从教程片段和API生成 对 (FRA代表片段)，并基于SO帖子的启发式规则构建 对。我们融合 对和 对以生成API知识 (简称AK) 数据集，其中每个数据项是 对。我们提出了一种称为PLAN的新颖方法，可以基于自然语言查询从API教程和SO帖子中自动检索API知识。计划包含三个主要阶段 :( 1) API知识建模，(2) 查询映射和 (3) API知识检索。它首先利用基于深度迁移度量学习的相关性识别 (DTML) 模型来有效地同时找到包含两个不同知识项 (< API，QA> 对和 对) 的相关 对。然后，PLAN生成几个潜在的API，作为减少查询和 对之间的词汇差距的一种方式。根据潜在的API，我们可以选择相关的 对来生成潜在的结果。最后，PLAN返回与查询相关的排序 对的列表。我们评估PLAN在包含10,072 对的Java和Android AK数据集上的270查询的有效性。我们的实验结果表明，该计划是有效的，并且优于最先进的方法。我们的用户研究进一步证实了PLAN在定位有用的API知识方面的有效性。
Keyword:
API tutorial
Stack Overflow
deep transfer metric learning
natural language queries
期刊
A
IF:
6.2
论文数:
1.2K
被引数:
3.4K
机构
引用论文
.png){kind=icon}
Acute neurological deterioration in ovarioleukodystrophy related to EIF2B mutations: pregnancy with oocyte donation is a potentially precipitating factor与EIF2B突变相关的卵巢脑白质营养不良的急性神经系统恶化: 卵母细胞捐赠的妊娠是潜在的诱发因素
PREAI
分享收藏Chatbot4QR: Interactive Query Refinement for Technical Question RetrievalChatbot4QR: 用于技术问题检索的交互式查询细化
OAAI
OAAI分享收藏
查看更多内容