一种基于启发式和神经网络的非API成员推荐方法

摘要

本发明涉及一种基于启发式和神经网络的非API成员推荐方法，属于代码补全及代码推荐技术领域。本方法根据开源软件中赋值语句右侧的非API成员访问样例sample，收集该非API对象声明类型所包含的全部成员，包括继承得到的成员然后根据赋值语句所在类与非API对象声明类之间的关系，将不可访问的成员剔除，余下可访问的成员作为全部候选放入初始候选列表cdtList中，供后续步骤使用。对步骤1中的样例基于三种特定启发式规则进行预测。利用信息训练神经网络，得到一个能够过滤掉低可靠性预测结果的过滤器。当程序员在赋值语句右侧的非API实例对象后输入“.”时，预测可能访问的非API成员。本发明在相同数据集下推荐正确的成员个数明、正确的概率显高于现有方法和工具。