神经代码搜索再探：通过自然语言意图增强代码片段检索

Aug, 2020

神经代码搜索再探：通过自然语言意图增强代码片段检索

Neural Code Search Revisited: Enhancing Code Snippet Retrieval through Natural Language Intent

Geert Heyman, Tom Van Cutsem

TL;DR提出并研究了注释代码搜索：使用自然语言查询检索与简短描述其意图的代码片段。通过在三个基准数据集上研究如何利用描述来更好地捕捉代码片段的意图，建立了一种用自然语言描述注释的领域特定检索模型。发现相对于不使用描述但仅尝试从未注释的代码中计算片段意图的最新代码检索方法，我们的模型可以获得显著更相关的搜索结果（平均倒数排名的绝对增益高达 20.6％）。

Abstract

In this work, we propose and study annotated code search: the retrieval of code snippets paired with brief descriptions of their intent using natural language queries. On three benchmark datasets, we investigate how code retrieval systems can be improved by leveraging descriptions to b

annotated code search natural language queries transfer learning code retrieval intent capture

发现论文，激发创造

通过代码搜索：新的代码片段搜索数据集和 SnippeR 检索模型

提出了一个新的 SearchBySnippet 数据集并建立了一个单一编码器模型 SnippeR，用于针对代码搜索的基准测试。在这一设置中，现有的架构即使是经过精细调整后也远远不及最简单的 BM25 基准。

May, 2023

基于生成模型的查询扩展技术在代码检索中的应用

本文提出了一个以生成扩展查询为基础的框架，利用强大的代码生成模型来提高代码检索任务。该方法优化了嵌入到潜空间的文档 - 代码对，利用生成的代码片段将文档查询扩展与目标代码片段匹配。该方法在 CodeSearchNet 数据集上实验，并取得了迄今为止最好的性能结果。

Dec, 2022

神经代码搜索评估数据集

本文介绍了一种自然语言代码搜索模型的性能评估方法，并提供了包含查询和代码碎片对的评估数据集，以作为未来工作的标准基准。此外，本文还提供了最近工作中两种代码搜索模型的研究结果。

Aug, 2019

CoaCor: 代码检索强化学习注释

本文研究了一种新颖的代码检索方法 CoaCor，通过强化学习的方式训练一个代码注释模型，以便于更好的检索相关的代码片段，并且实验证明此方法能够帮助现有的代码检索模型提升性能。

Mar, 2019

通过双向学习利用代码生成提高代码检索和概述质量

本文提出了一个新的端到端模型来同时处理代码摘要生成和检索两个任务通过引入额外的代码生成任务，利用双向学习明确地利用了代码摘要和代码生成之间的概率相关性，通过多任务学习利用用于代码摘要和代码生成的两个编码器训练代码检索任务。作者在现有的 SQL 和 Python 数据集上进行了广泛的实验，结果表明，我们的模型可以显著提高代码检索任务的结果，同时在代码摘要任务的 BLEU 得分方面也能够达到竞争性的性能。

Feb, 2020

学习如何回答代码的语义查询

本研究构建了一个名为 CodeQueries 的数据集，并提出了基于神经网络的代码语义查询系统，结果表明神经模型可以对代码语法错误进行容错，但代码规模增大、存在不相关的代码以及训练例子减少均会限制模型性能。

Sep, 2022

使用 CodeSearchNet 语料库学习深度语义模型进行代码搜索

本文提出了一种新颖的深度语义模型，利用多模式来源和特征提取器的效用，将交叉语言嵌入与大批量和难样例挖掘结合起来，结合不同的学习表示来增强表示学习，以解决语义代码搜索任务，该模型在 CodeSearchNet 语料库上训练并在保留数据上评估，取得了 0.384 NDCG 的优异成绩，并在该基准测试中获得第一名。

Jan, 2022

NLP2Code: 自然语言任务辅助代码片段内容

NLP2Code 是一种用于代码块的内容辅助工具，旨在直接集成到源代码编辑器中，以提供内容辅助功能，消除开发人员需求和代码段元数据之间的词汇差距。

Jan, 2017

源代码合成与完成的神经模型

本研究提出了一种基于序列到序列深度学习模型的自然语言到编程语言的建议系统，可以根据自然语言的意图建议源代码片段，并扩展源代码的自动补全功能。该系统通过上下文感知的神经模型直接生成源代码标记，而不是从源代码生成解析树 / 抽象意义表示再转换成源代码。此外，提出的架构还使用预训练策略和数据增强技术来提高性能，并且在 BLEU-4 指标上超过了神经语义解析器 TranX 的表现约 10.82%。该系统还可以用于生成源代码的自然语言文档，并提出了基于 RoBERTa 的掩码语言模型来扩展该系统用于代码补全。

Feb, 2024

深度学习与代码搜索相遇

本文系统地评估了深度神经网络、代码搜索、嵌入、监督技术和网络复杂度的设计选择，结果显示添加监督到现有的无监督技术可以提高性能，对于代码搜索，简单的网络可以比基于序列的复杂网络更有效，使用文档字符串进行监督的效果存在一定差距。

May, 2019