Design and evaluation of a multi-recommendation system for local code search

جستجو برای کد مربوطه در پایه کد محلی فعالیت مشترک در حین تعمیر و نگهداری نرم افزار است. با این حال، تحقیقات قبلی نشان می دهد که 88 درصد از کلمات جستجو شده به صورت دستی نتایج جستجوی مربوطه را بازیابی نمی کنند. یکی از دلایلی که بسیاری از جستجوها شکست خورده است وابستگی ابزارهای جستجوی موجود به الگوریتم های منطبق رشته است که نمی توانند کد مربوط به معنایی را پیدا کنند. محققان برای حل این مشکل، با کمک به توسعه دهندگان برای ایجاد پرسش های بهتر، روش های پیشنهاد پرس و جو متعددی را پیشنهاد دادند، با تکیه بر انواع واژه نامه ها و الگوریتم های مختلف. با این حال، تعداد کمی از این تکنیک ها به صورت تجربی به وسیله داده های استفاده از توسعه دهندگان دنیای واقعی مورد ارزیابی قرار می گیرد. برای پر کردن این شکاف، یک سیستم چند توصیه ای را طراحی کردیم که متکی به همکاری بین چندین تکنیک پیشنهاد پرس و جو است. ما این سیستم توصیه شده را در ابزار جستجوی سندو پیاده کردیم و به کار گرفتیم و یک مطالعه میدانی طولی انجام دادیم. مطالعه ما نشان می دهد که بیش از 34 درصد از تمام پرسش ها از توصیه گرفته شده است؛ و توصیه های پیشنهادی نتایج 11٪ بیشتر از نمایش های دستی را بازیابی کرد.