CN117034135B 一种基于提示学习和双信息源融合的api推 荐方法 （南通大学）_第1页
CN117034135B 一种基于提示学习和双信息源融合的api推 荐方法 （南通大学）_第2页
CN117034135B 一种基于提示学习和双信息源融合的api推 荐方法 （南通大学）_第3页
CN117034135B 一种基于提示学习和双信息源融合的api推 荐方法 （南通大学）_第4页
CN117034135B 一种基于提示学习和双信息源融合的api推 荐方法 （南通大学）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于提示学习和双信息源融合的API推本发明提供一种基于提示学习和双信息源答网站StackOverflow中筛选出与API相关的问将融合的知识表示训练BERT变体模型RoBERTa；示学习计算概率对候选API进行重排序。本发明参考文档和SO问答网站相互补充，可共同为API符，提供了足够的上下文信息使RoBERTa模型适2S6.4、提示模板T(·)作为提示学习框架的核心组件，将输入数据(<candidate>,<API的概率；根据概率对API进行排序，以便根据模型预测的可能性提供合理的候选API排2.根据权利要求1所述的基于提示学习和双信息源融合的API推荐方法，其特征在于，3.根据权利要求1所述的基于提示学习和双信息源融合的API推荐方法，其特征在于，S2.1、API参考文档提供所有API的功能描述及其相关属性信息，选用PyTorch框架的34.根据权利要求1所述的基于提示学习和双信息源融合的API推荐方法，其特征在于，5.根据权利要求1所述的基于提示学习和双信息源融合的API推荐方法，其特征在于，分包含StackOverflow网站的单词信息的表示，答案部分包含融合的API文档实体信息的6.根据权利要求1所述的基于提示学习和双信息源融合的API推荐方法，其特征在于，4[0003]最近的一些方法更进一步，引入了一种预训练语言模型(pre_trainlanguagemodel,PLM)来学习API推荐。一些常见的方法使用了普通的预训练和微调范式来调整推荐提示和预测范式即提示学习在自然语言处理(NLP)领域的许多应用中取得了显著的成功。[0004]本发明的目的在于提供一种基于提示学习和双信息源融合的API推荐方法，该方[0005]为解决上述技术问题，本发明的实施提供一种基于提示学习和双信息源融合的5部分包含StackOverflow网站的单词信息的表示，而答案部分包含融合的API文档实体信6[0052]如图1_图3所示，本发明提供一种基于提示学习和双信息源[0063]S2、API参考文档属于半结构化数据，不同的HTML标签表示7[0076]S3.1、加载词向量，使用Gensim库中的Word2Vec模块将步骤S1.4.2中的名为模块或类。通过制定正则表达式识别代码块中的模块或类确定其API。当识别了无歧义的8[0099]S5.4、根据相关性得分对API进行排序，并选[0107]设计的两个提示模板，分别为<candidate>is[MASK]to<user>和Recommending<

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论