自然语言-程序语言软件可追溯性链接恢复需要更多于文本相似性
软件工程
2025-09-09 v1 人工智能
摘要
在软件可追溯性链接恢复(TLR)领域，文本相似性长期被视为核心准则。然而，在涉及自然语言和程序语言(NL-PL)制品的任务中，仅依赖文本相似性受制于语义鸿沟。为此，我们对各种TLR任务进行大规模实证评估，揭示了文本相似性在NL-PL场景中的局限性。为此，我们提出一种方法，通过实证分析识别出的多种领域特定辅助策略整合到两种模型中：通过边类型实现的异构图转换器(HGT)和通过额外输入信息的提示基 Gemini 2.5 Pro。我们随后使用广泛研究的需求到代码TLR任务进行评估，该任务是NL-PL TLR的典型代表。实验结果表明，集成策略的多策略HGT和Gemini 2.5 Pro模型均优于未集成策略的原型。此外，与当前SOTA方法HGNNLink相比，集成策略的HGT和Gemini 2.5 Pro在十二个开源项目上的平均F1分数分别提高了3.68%和8.84%，证明了在需求代码TLR任务中集成多策略对整体模型性能提升的有效性。
引用
@article{arxiv.2509.05585,
title = {Natural Language-Programming Language Software Traceability Link Recovery Needs More than Textual Similarity},
author = {Zhiyuan Zou and Bangchao Wang and Peng Liang and Tingting Bi and Huan Jin},
journal= {arXiv preprint arXiv:2509.05585},
year = {2025}
}
备注
45 pages, 5 images, 11 tables, Manuscript submitted to a Journal (2025)