一种发现API相关教程片段的无监督方法
软件工程
2017-03-07 v1
摘要
开发者越来越依赖API教程来促进软件开发。然而，发现解释陌生API的相关教程片段对他们来说仍是一项具有挑战性的任务。现有的有监督方法承受着手动准备语料库特定标注数据和特征的沉重负担。在本研究中，我们提出了一种新颖的无监督方法，即基于PageRank和主题模型的API片段推荐器（FRAPT）。FRAPT能够很好地解决该任务中的两个主要挑战，并有效地为API确定相关教程片段。在FRAPT中，提出了一个片段解析器来识别教程片段中的API，并用相关的本体和API名称替换模糊的代词和变量，从而解决代词和变量消解挑战。然后，一个片段过滤器采用一组非解释性检测规则来移除非解释性片段，从而解决非解释性片段识别挑战。最后，通过对保留的片段应用主题模型和PageRank算法，获得并聚合两个相关性分数，以确定API的相关片段。在两个公开教程语料库上的大量实验表明，FRAPT在F-Measure上分别比当前最优方法提高了8.77%和12.32%。FRAPT关键组件的有效性也得到了验证。
引用
@article{arxiv.1703.01552,
title = {An Unsupervised Approach for Discovering Relevant Tutorial Fragments for APIs},
author = {He Jiang and Jingxuan Zhang and Zhilei Ren and Tao Zhang},
journal= {arXiv preprint arXiv:1703.01552},
year = {2017}
}
备注
11 pages, 8 figures, In Proc. of 39rd IEEE International Conference on Software Engineering (ICSE'17)