特開 2024-164619 ソースコード検索システム及びソースコード検索方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024164619

(43)【公開日】2024-11-27

(54)【発明の名称】ソースコード検索システム及びソースコード検索方法

(51)【国際特許分類】

   G06F 9/445 20180101AFI20241120BHJP

   G06F 16/903 20190101ALI20241120BHJP

【ＦＩ】

G06F9/445 130

G06F16/903

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2023080230

(22)【出願日】2023-05-15

(71)【出願人】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110000925

【氏名又は名称】弁理士法人信友国際特許事務所

(72)【発明者】

【氏名】森下 皓文

(72)【発明者】

【氏名】是枝 祐太

(72)【発明者】

【氏名】今一 修

【テーマコード（参考）】

5B175

5B376

【Ｆターム（参考）】

5B175DA10

5B175JC04

5B376AC01

5B376AC23

(57)【要約】

【課題】多くのソースコードを保存するコードベースから文脈情報を考慮した検索結果を返すことが可能なソースコード検索システムを提供する。
【解決手段】ソースコード検索システム１は、コードベースＤＢ０に参照情報を入力し、コードベースＤＢ０から取得したソースコードに補足情報を付与したコード情報Ｄ０を出力するコード情報抽出部ＭＤ１と、コード情報Ｄ０をコードベースＤＢ０に入力し、コード情報Ｄ０に対応する文脈情報Ｄ１をコードベースＤＢ０から抽出し、コード情報Ｄ０と共に文脈情報Ｄ１を出力する文脈情報抽出部ＭＤ２と、コード情報Ｄ０と、コード情報Ｄ０に対応する文脈情報Ｄ１をペアとして保存するコード及び文脈情報データベースＤＢ１と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

プログラムのソースコードが登録されるリポジトリを保存するコードベースに参照情報を入力し、前記コードベースから取得した前記ソースコードに補足情報を付与したコード情報を出力するコード情報抽出部と、
前記コード情報を前記コードベースに入力し、前記コード情報に対応する文脈情報を前記コードベースから抽出し、前記コード情報と共に前記文脈情報を出力する文脈情報抽出部と、
前記コード情報と、前記コード情報に対応する前記文脈情報をペアとして保存するソースコード検索用データベースと、を備える
ソースコード検索システム。

【請求項2】

前記コード情報抽出部は、前記コードベースから取得した前記ソースコードを規定の単位で分割して、分割した前記ソースコードに前記補足情報を付与して前記コード情報を出力する
請求項１に記載のソースコード検索システム。

【請求項3】

前記規定の単位は、関数ごとである
請求項２に記載のソースコード検索システム。

【請求項4】

前記補足情報は、前記コード情報のうち、コード文字列以外の情報である
請求項３に記載のソースコード検索システム。

【請求項5】

前記文脈情報は、メタ情報である
請求項３に記載のソースコード検索システム。

【請求項6】

前記文脈情報抽出部は、前記文脈情報で異なる前記コード情報を抽出した場合、前記ソースコード検索用データベースには、前記コード情報と、前記コード情報に対応する前記文脈情報とが１対多で保存される
請求項３に記載のソースコード検索システム。

【請求項7】

入力されたクエリに基づいて、前記ソースコード検索用データベースから前記クエリに対応する前記文脈情報を検索し、検索した前記文脈情報と、前記文脈情報に対してペアとして保存されている前記コード情報とを、検索結果として出力する検索部を備える
請求項２乃至６のいずれか一項に記載のソースコード検索システム。

【請求項8】

前記文脈情報抽出部は、
前記コードベースから前記文脈情報を含むテキストを粗情報として特定する粗情報特定部と、
前記粗情報に前記文脈情報が書かれた部分を詳細に特定し、特定した詳細部分を前記文脈情報として出力する文脈情報特定部と、を有する
請求項７に記載のソースコード検索システム。

【請求項9】

前記粗情報特定部は、前記文脈情報を含む前記テキストを、ファイル単位のテキストブロックとして特定し、前記粗情報として出力し、
前記文脈情報特定部は、前記テキストブロックから前記詳細部分を特定する
請求項８に記載のソースコード検索システム。

【請求項10】

プログラムのソースコードが登録されるリポジトリを保存するコードベースに参照情報を入力し、前記コードベースから取得した前記ソースコードに補足情報を付与したコード情報を出力するステップと、
前記コード情報を前記コードベースに入力し、前記コード情報に対応する文脈情報を前記コードベースから抽出し、前記コード情報と共に前記文脈情報を出力し、ソースコード検索用データベースに前記コード情報と、前記コード情報に対応する前記文脈情報をペアとして保存するステップと、を含む
ソースコード検索方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、ソースコード検索システム及びソースコード検索方法に関する。

【背景技術】

【0002】

過去２０年間で、Ｗｅｂ上でオープンにアクセスできる巨大なコードベースが出現した。このようなコードベースに含まれるソースコード（以下、「コード」と呼ぶ）を再利用することは、ソフトウェア開発の効率と品質を大幅に向上させる。特定の場面で再利用可能なコードを見つけるために、semantic code search（以下、「コード検索」と呼ぶ）が重要な技術として用いられる。コード検索は、与えられた自然言語クエリに最もマッチするコードを見つけることを目的とする技術である。自然言語クエリとは、例えば、ユーザが、質問文からなる自然言語を入力することで、検索指示を行うことが可能な命令である。

【0003】

コード検索のタスクに取り組むために、非特許文献１に示されるような多くのディープニューラルネットワーク（ＤＮＮ）ベースのモデルが提案されている。これらのモデルは、クエリとコードの間の関連性を、ベクトル空間において捉えることを目的として構築されたものである。クエリは、通常、”How can I sort users?”のように、ユーザが取得したいコードの機能を指定することで実行される。

【0004】

近年では、これらのモデルの検索性能を測定するベンチマークも多く提案されてきている。最も有名なベンチマークとして、非特許文献２に挙げられるCodeSearchNet（ＣＳＮ）が知られている。ＣＳＮには、コードベースから収集した多数の関数からなる学習データセットが含まれている。各関数は、コメント（関数定義の直後に書かれている自然言語文）とペアになっている。このコメントは通常、コードの機能を記述したものである。

【0005】

関数及びコメントのペアは、コード及びクエリの関係性を学習するのに適しているので、実際、ＤＮＮの学習に使用されてきている。以上のように、既存研究では、コードの機能に基づいてコードを検索することに焦点が当てられてきた。

【先行技術文献】

【特許文献】

【0006】

【非特許文献1】Zhensu Sun, Yan Liu, Chen Yang, and Yu Qian. Pscs: A path-based neural model for semantic code search. arXiv preprint arXiv:2008.03042, 2020.

【非特許文献2】Husain, Hamel, et al. "Codesearchnet challenge: Evaluating the state of semantic code search." arXiv preprint arXiv:1909.09436 (2019).

【発明の概要】

【発明が解決しようとする課題】

【0007】

しかし、現実のソフトウェア開発では、コードの機能だけでなく、より広い文脈も重要である。例えば、開発者が特定のソフトウェア開発プロジェクトに所属している場合、開発者が開発するコードは、そのプロジェクトの特定の目的又はドメイン（例えば、金融システム、顧客管理システム、流通向けシステム等のプログラムが利用される産業分野）を反映したものでなければならない。そのため、開発者のクエリには、例えば「How can I sort users in an ad recommendation system?」という文脈情報が含まれることがある。既存のモデルでは、検索時に考慮される情報がクエリとコードのみであったので、上記の文脈情報を考慮した検索結果を返すことができなかった。

【0008】

本発明はこのような状況に鑑みて成されたものであり、コード検索において、コードの機能だけでなく、より広い文脈情報に基づいた検索結果を提示できるようにすることを目的とする。

【課題を解決するための手段】

【0009】

本発明に係るソースコード検索システムは、プログラムのソースコードが登録されるリポジトリを保存するコードベースに参照情報を入力し、コードベースから取得したソースコードに補足情報を付与したコード情報を出力するコード情報抽出部と、コード情報をコードベースに入力し、コード情報に対応する文脈情報をコードベースから抽出し、コード情報と共に文脈情報を出力する文脈情報抽出部と、コード情報と、コード情報に対応する文脈情報をペアとして保存するソースコード検索用データベースと、を備える。

【発明の効果】

【0010】

本発明によれば、ソースコード検索システムは、コード情報と、コード情報に対応する文脈情報をペアとして保存するソースコード検索用データベースを備えることで、コード検索において、コードの機能だけでなく、より広い文脈情報に基づいた検索結果を提示できるようになる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

【図面の簡単な説明】

【0011】

【図1】本発明の第１実施形態に係るソースコード検索システムの全体構成例を示すブロック図である。

【図2】本発明の第１実施形態に係るコード情報の例を示す図である。

【図3】本発明の第１実施形態に係る文字列情報の抽出対象の例を示す図である。

【図4】本発明の第１実施形態に係る文脈情報の例を示す図である。

【図5】本発明の第１実施形態に係るソースコード検索画面と検索結果表示画面の表示例を示す図である。

【図6】本発明の第１実施形態に係るコード情報及び文脈情報の保存方法の例を示すフローチャートである。

【図7】本発明の第１実施形態に係るコードの検索方法の例を示すフローチャートである。

【図8】本発明の第１実施形態に係る計算機のハードウェア構成例を示すブロック図である。

【図9】本発明の第２実施形態に係るソースコード検索システムの全体構成例を示すブロック図である。

【図10】本発明の第２実施形態に係る文脈粗情報の例を示す図である。

【発明を実施するための形態】

【0012】

以下、本発明を実施するための形態について、添付図面を参照して説明する。本明細書及び図面において、実質的に同一の機能又は構成を有する構成要素については、同一の符号を付することにより重複する説明を省略する。

【0013】

［第１実施形態］
図１は、本発明の第１実施形態に係るソースコード検索システム１の全体構成例を示すブロック図である。

【0014】

ソースコード検索システム１は、コード情報抽出部ＭＤ１、文脈情報抽出部ＭＤ２、コード及び文脈情報データベースＤＢ１（ソースコード検索用データベースの一例）、及び検索部ＭＤ３を備える。ソースコード検索システム１は、例えば、クラウドサーバによって構成される。ユーザはＰＣ２を操作して、Ｗｅｂブラウザを通じてソースコード検索システム１にアクセス可能である。ソースコード検索システム１の外部には、プログラムのソースコードが登録されるリポジトリを保存するコードベースＤＢ０が設けられる。コードベースＤＢ０は、多数のコードを格納するデータベースシステムの一例である。

【0015】

コード情報抽出部ＭＤ１は、コードベースＤＢ０に参照情報を入力し、コードベースＤＢ０から取得したソースコードに補足情報を付与したコード情報を出力する。例えば、コード情報抽出部ＭＤ１は、コードベースＤＢ０のアクセス情報であるＵＲＬ（Uniform Resource Locator）を入力として、コードベースＤＢ０にアクセスし、コードベースＤＢ０から複数のコード情報Ｄ０を抽出して出力する。補足情報は、後述する図２に示すコード情報Ｄ０のうち、コード文字列以外の情報である。

【0016】

また、コード情報抽出部ＭＤ１は、コードベースＤＢ０から取得したソースコードを規定の単位（例えば、関数ごと）で分割して、分割したソースコードに補足情報を付与してコード情報Ｄ０を出力することもできる。コード情報Ｄ０のデータ構造は、コードベースＤＢ０中に存在するコードを小規模な規定の単位に分割した情報のそれぞれに対して補足情報を付与した構造としている。

【0017】

図２は、コード情報Ｄ０の例を示す図である。図２に示すコード情報Ｄ０では、上記の「小規模の単位」として関数を用いている。

【0018】

コード情報Ｄ０は、「コード文字列」、「元ファイル」及び「行数」の項目を持つ。
「コード文字列」は、１つの関数の文字列情報を保存している。
「元ファイル」は、「コード文字列」に保存される関数が記述されていたファイルのＵＲＬである。このＵＲＬは、関数が記述されていたファイルの保存場所を示すアクセス情報の一例である。ここでは、ファイルとして、python言語で記述されたプログラムファイルの保存場所がＵＲＬで示される。
「行数」は、関数が記述されていたファイル中で記述されていた「コード文字列」の開始行数及び終了行数である。「行数」は、［開始行数，終了行数］の形式で表される。

【0019】

コード情報抽出部ＭＤ１が、関数の文字列情報と、文字列情報に対する補足情報である「元ファイル」及び「行数」をコードベースＤＢ０から特定する処理は、コードベースＤＢ０中に含まれる各ファイルに対して、ソースコードを解析する技術を適用することで実現できる。ソースコードを解析する技術は、コード情報抽出部ＭＤ１の一機能であり、例えば正規表現を用いたり、コンパイラを用いてソースコードを解析したりすることで、ソースコードを規定の単位である関数に分割することを可能とする。

【0020】

上述したように補足情報は、「コード文字列」以外の情報、すなわち「元ファイル」及び「行数」のうち、少なくとも一つを含む情報である。

【0021】

コード情報抽出部ＭＤ１の入力は、コードベースＤＢ０のリポジトリからソースコードを指定できる情報であれば、ＵＲＬでなくともよい。例えば、コードベースＤＢ０のオリジナルデータが手に入る場合は、そのデータの保存場所などを用いてもよい。

【0022】

文脈情報抽出部ＭＤ２は、コード情報をコードベースＤＢ０に入力し、コード情報に対応する文脈情報をコードベースＤＢ０から抽出し、コード情報と共に文脈情報を出力する。例えば、文脈情報抽出部ＭＤ２は、コード情報Ｄ０を入力として、コード情報Ｄ０に対応する文脈情報Ｄ１をコードベースＤＢ０から特定する。その後、文脈情報抽出部ＭＤ２は、特定した文脈情報Ｄ１と、コード情報Ｄ０とを出力する。

【0023】

図３は、文字列情報の抽出対象の例を示す図である。
図３のソースコード（１）は、プログラミング言語の一つであるJava（登録商標）で記載されたソースコードの例を示す。このソースコードは、変数ａ，ｂの総計を求める関数を表す。コード情報抽出部ＭＤ１は、このソースコードの全文を関数の文字列情報として抽出する。

【0024】

図３のソースコード（２）は、プログラミング言語の一つであるPython（登録商標）で記載されたソースコードの例を示す。このソースコードは、変数ａ，ｂの総計を求める関数を表す。コード情報抽出部ＭＤ１は、このソースコードの全文を関数の文字列情報として抽出する。

【0025】

なお、図３のソースコード（１）、（２）で示したような関数だけがソースコードとしてコードベースＤＢ０に保存されている場合がある。この場合、コード情報抽出部ＭＤ１は、コードベースＤＢ０から取得したソースコードを分割することなく文脈情報抽出部ＭＤ２に出力する。

【0026】

図３のソースコード（３）は、Pythonで記載されたソースコードの例を示す。このソースコードは、if文により変数ａ，ｂの大きさを比較して、異なる値を出力するものであり、関数ではない。このため、コード情報抽出部ＭＤ１は、このソースコードを文字列情報として出力しない。なお、ソースコード（１）、（２）で示したように定義された関数の中にif文が含まれる場合、if文を含む関数全体が文字列情報として抽出されうる。

【0027】

図４は、文脈情報Ｄ１の例を示す図である。文脈情報Ｄ１は、図１に示したように、文脈情報抽出部ＭＤ２がコードベースＤＢ０から抽出する情報であり、メタ情報である。メタ情報とは、コード情報Ｄ０の内容を説明する情報であり、メタデータとも呼ばれる。

【0028】

文脈情報Ｄ１は、「目的文字列」、「元ファイル」、及び「行数」の項目を持つ。
「目的文字列」は、コードが含まれていた元リポジトリの目的を表す文字列である。
「元ファイル」は、「目的文字列」が含まれていた元ファイルのＵＲＬである。このＵＲＬは、元ファイルの保存場所を示すアクセス情報の一例である。ここでは、元ファイルとして、ＲＥＡＤＭＥファイルの保存場所がＵＲＬで示される。
「行数」は、当該ファイル中で「目的文字列」が記述されていた開始行数及び終了行数である。「行数」は、［開始行数，終了行数］の形式で表される。

【0029】

文脈情報抽出部ＭＤ２がコードベースＤＢ０から文脈情報Ｄ１の情報を特定するための手法には、様々な手法が考えられる。例えば、元リポジトリがＲＥＡＤＭＥファイルを含んでいる場合、文脈情報抽出部ＭＤ２は、そのＲＥＡＤＭＥファイルを文字列ベースのルールとして、例えば「ｒｅａｄｍｅ又はＲＥＡＤＭＥという文字列がファイル名に含まれる」といったルールで特定する。

【0030】

また、文脈情報抽出部ＭＤ２は、特定したＲＥＡＤＭＥファイル中の特定の行数、例えば「１行目から３行目」を「目的文字列」として抽出する。なお、「１行目から３行目」と例示した理由は、ＲＥＡＤＭＥファイル中の最初のテキストには、リポジトリの目的、ドメイン（プログラムが利用される産業分野）、又はプロジェクトの内容等が記載されていることが多いからである。ＲＥＡＤＭＥファイル以外にも、後述するファイルコメント、クラスコメント等についても、文脈情報として抽出可能な情報となりえる。

【0031】

また、文脈情報抽出部ＭＤ２は、文脈情報Ｄ１の特定方法として、ファイルコメントを用いることもできる。文脈情報抽出部ＭＤ２は、コードが含まれていた元ファイル中の最上位に記述されるコメントを、ソースコードを解析する技術を用いて抽出し、文脈情報として用いることができる。この理由は、最上位コメントが、そのファイル中のコードの目的を記していることが多いからである。ソースコードを解析する技術は、文脈情報抽出部ＭＤ２の一機能である。

【0032】

また、文脈情報抽出部ＭＤ２は、文脈情報Ｄ１の特定方法として、クラスコメントを用いることもできる。文脈情報抽出部ＭＤ２は、コードが含まれていた元クラスの最上位に記されるコメントを、ソースコードを解析する技術などで抽出し、文脈情報Ｄ１として用いることができる。この理由は、クラスの最上位コメントは、そのクラス中のコードの目的を記していることが多いからである。

【0033】

文脈情報抽出部ＭＤ２は、コードベースＤＢ０から抽出した文脈情報Ｄ１と、コード情報抽出部ＭＤ１から入力したコード情報Ｄ０とをペアにして、コード及び文脈情報データベースＤＢ１に保存する。なお、文脈情報抽出部ＭＤ２は、文脈情報Ｄ１で異なるコード情報Ｄ０を抽出した場合、コード及び文脈情報データベースＤＢ１には、コード情報Ｄ０と、コード情報Ｄ０に対応する文脈情報Ｄ１とが１対多で保存される。

【0034】

コード及び文脈情報データベースＤＢ１は、コード情報Ｄ０と、コード情報Ｄ０に対応する文脈情報Ｄ１をペアとして保存する。コード情報Ｄ０と文脈情報Ｄ１は、１対１で保存される場合があるし、多対１で保存される場合もある。コード情報Ｄ０と文脈情報Ｄ１が多対１で保存される場合、ある文脈情報Ｄ１と、コード情報Ｄ０とで保存される複数のペアのうち、いずれのペアにおいても文脈情報Ｄ１が同じことがある。

【0035】

図１に示した検索部ＭＤ３は、ユーザが操作するＰＣ２により起動する検索アルゴリズムの一例である。ユーザは、検索対象であるコードを指定するためのクエリをＰＣ２に入力する。クエリは、例えば、「How caｎ I sort users in aｎ ad recommendation system.」のように入力される。クエリとしては、自然言語で構成された文章による命令以外にも、データベースの検索操作で一般的に使用される命令であってもよい。

【0036】

検索部ＭＤ３は、入力されたクエリに基づいて、コード及び文脈情報データベースＤＢ１からクエリに対応する文脈情報Ｄ１を検索し、検索した文脈情報Ｄ１と、文脈情報Ｄ１に対してペアとして保存されているコード情報Ｄ０とを、検索結果として出力する。例えば、検索部ＭＤ３は、ＰＣ２から受信するクエリに基づいて、コード及び文脈情報データベースＤＢ１から検索したコード情報Ｄ０と文脈情報Ｄ１のペアをＰＣ２に送信する。ＰＣ２は、検索部ＭＤ３から受信したコード情報Ｄ０と文脈情報Ｄ１のペアを表示し、ユーザはコード情報Ｄ０を確認することができる。

【0037】

図５は、ソースコード検索画面Ｗ１と検索結果表示画面Ｗ２の表示例を示す図である。

【0038】

始めに、ＰＣ２には、ソースコード検索画面Ｗ１が表示される。ソースコード検索画面Ｗ１は、クエリ入力部Ｗ１１、プログラミング言語選択部Ｗ１２、検索ボタンＷ１３、クエリ例表示部Ｗ１４を備える。

【0039】

クエリ入力部Ｗ１１には、ユーザが検索しようとする文章がクエリとして入力される。
プログラミング言語選択部Ｗ１２には、ユーザが取得したいソースコードが書かれるプログラミング言語を選択するために用いられる。プログラミング言語として、例えば、Python、Java等がある。

【0040】

検索ボタンＷ１３は、検索部ＭＤ３に対して、クエリに基づいてコード及び文脈情報データベースＤＢ１からコードを検索する指示を入力するためのボタンである。この検索ボタンＷ１３は、クエリ入力部Ｗ１１に入力されたクエリを検索部ＭＤ３に送信するトリガとして機能する。

【0041】

クエリ例表示部Ｗ１４には、入力が推奨されるクエリの例が一覧表示される。ユーザは、クエリ入力部Ｗ１１にクエリを入力する際、一覧表示されたクエリの例から任意のクエリを選ぶことができる。

【0042】

検索ボタンＷ１３の押下後、ＰＣ２に検索結果表示画面Ｗ２が表示される。
検索結果表示画面Ｗ２は、スコア、プロジェクト、文脈、コードの各項目を持つ。

【0043】

スコア項目には、文脈情報Ｄ１とコード情報Ｄ０の関連度スコアが表示される。図示していないが、関連度スコアの上位ｎ件の検索結果が、スコア、プロジェクト、文脈、コードの各項目をもつレコードとして検索結果表示画面Ｗ２に一覧表示されてもよい。

【0044】

プロジェクト項目には、コード及び文脈情報データベースＤＢ１で検索されたコードが用いられるプロジェクトの名称が表示される。
文脈項目には、コード情報Ｄ０のペアである文脈情報Ｄ１から取得された文脈情報Ｄ１（例えば、図３に示した目的文字列の項目の内容）が表示される。
コード項目には、検索部ＭＤ３がコード及び文脈情報データベースＤＢ１から検索したコード情報Ｄ０が表示される。ユーザは、コード項目に表示されたコード情報Ｄ０を利用することができる。

【0045】

＜コード検索システムで行われる処理の例＞
次に、ソースコード検索システム１で行われるコード情報及び文脈情報の保存方法と、コードの検索方法の例について、図６と図７を参照して説明する。

【0046】

（コード情報及び文脈情報の保存方法）
図６は、コード情報及び文脈情報の保存方法の例を示すフローチャートである。

【0047】

始めに、コード情報抽出部ＭＤ１は、コードベースＤＢ０からコード情報Ｄ０を抽出する（Ｓ１）。コード情報Ｄ０は、文脈情報抽出部ＭＤ２に出力される。

【0048】

次に、文脈情報抽出部ＭＤ２は、コード情報Ｄ０に基づいて、コードベースＤＢ０から文脈情報Ｄ１を抽出する（Ｓ２）。

【0049】

最後に、文脈情報抽出部ＭＤ２は、コード情報Ｄ０及び文脈情報Ｄ１をペアとしてコード及び文脈情報データベースＤＢ１に保存する（Ｓ３）。
図６に示す一連の処理は、所定タイミングで繰り返し行われ、コード及び文脈情報データベースＤＢ１の内容が更新される。

【0050】

（コードの検索方法）
図７は、コードの検索方法の例を示すフローチャートである。
始めに、ユーザは、図５に示したソースコード検索画面Ｗ１からクエリを入力し、検索開始を指示する（Ｓ１１）。

【0051】

次に、検索部ＭＤ３は、ＰＣ２からクエリを受け取り、このクエリに従って、コード及び文脈情報データベースＤＢ１からコード情報Ｄ０を検索する（Ｓ１２）。

【0052】

次に、検索部ＭＤ３は、検索したコード情報Ｄ０に含まれるコードを検索結果としてＰＣ２に出力する（Ｓ１３）。

【0053】

最後に、ＰＣ２は、検索結果表示画面Ｗ２にコード情報Ｄ０に含まれるコードを検索結果として表示する（Ｓ１４）。ユーザは、検索結果表示画面Ｗ２に表示されたコードをソフトウェア開発に利用することができる。

【0054】

＜計算機のハードウェア構成例＞
次に、ソースコード検索システム１の各装置を構成する計算機２０のハードウェア構成を説明する。
図８は、計算機２０のハードウェア構成例を示すブロック図である。計算機２０は、本実施の形態に係るソースコード検索システム１として動作可能なコンピュータとして用いられるハードウェアの一例である。

【0055】

計算機２０は、バス２４にそれぞれ接続されたＣＰＵ（Central Processing Unit）２１、ＲＯＭ（Read Only Memory）２２、及びＲＡＭ（Random Access Memory）２３を備える。さらに、計算機２０は、表示装置２５、入力装置２６、不揮発性ストレージ２７及びネットワークインターフェイス２８を備える。

【0056】

ＣＰＵ２１は、本実施の形態に係る各機能を実現するソフトウェアのプログラムコードをＲＯＭ２２から読み出してＲＡＭ２３にロードし、実行する。ＲＡＭ２３には、ＣＰＵ２１の演算処理の途中で発生した変数やパラメーター等が一時的に書き込まれ、これらの変数やパラメーター等がＣＰＵ２１によって適宜読み出される。ただし、ＣＰＵ２１に代えてＧＰＵ（Graphics Processing Unit）を用いてもよく、ＣＰＵ２１とＧＰＵを併用してもよい。

【0057】

表示装置２５は、例えば、液晶ディスプレイモニターであり、計算機２０で行われる処理の結果等を開発者に表示する。入力装置２６には、例えば、キーボード、マウス等が用いられ、開発者（例えば、ユーザ）が所定の操作入力、指示を行うことが可能である。

【0058】

不揮発性ストレージ２７としては、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フレキシブルディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、磁気テープ又は不揮発性のメモリ等が用いられる。この不揮発性ストレージ２７には、ＯＳ（Operating System）、各種のパラメーターの他に、計算機２０を機能させるためのプログラムが記録されている。ＲＯＭ２２及び不揮発性ストレージ２７は、ＣＰＵ２１が動作するために必要なプログラムやデータ等を記録しており、計算機２０によって実行されるプログラムを格納したコンピュータが読取可能な非一過性の記憶媒体の一例として用いられる。

【0059】

ネットワークインターフェイス２８には、例えば、ＮＩＣ（Network Interface Card）等が用いられ、ＮＩＣの端子に接続されたＬＡＮ（Local Area Network）、専用線等を介して各種のデータを装置間で送受信することが可能である。

【0060】

以上説明した第１実施形態に係るソースコード検索システム１では、コード情報Ｄ０と、文脈情報Ｄ１とが対応づけられた状態で保存されたコード及び文脈情報データベースＤＢ１が構築される。ユーザは、コード及び文脈情報データベースＤＢ１と、検索部ＭＤ３を用いて、文脈情報Ｄ１を考慮したソースコードの検索を実現できる。このため、開発者は、大量のコードを格納するコードベースＤＢ０の中から必要なコードを検索しやすくなる。

【0061】

例えば、ユーザからクエリが入力された際に、検索部ＭＤ３は、あるコード情報Ｄ０と、文脈情報Ｄ１とのペアの関連度スコアを計算し、関連度スコアが高い上位ｎ件の検索結果が返却される。クエリと、コード情報Ｄ０及び文脈情報Ｄ１のペアとの間の関連度スコアの計算方法として、以下の方法が挙げられる。この方法は、例えば、検索部ＭＤ３が、クエリとコード情報Ｄ０中の文字列の関連度スコアをＤＮＮ（Deep Neural Network）によって計算し、また、クエリと文脈情報Ｄ１中の文字列との関連度スコアをＤＮＮによって計算する。その後、検索部ＭＤ３は、２つの関連度スコアの重み付け和を取ることで実現できる。

【0062】

ユーザは、クエリ入力部Ｗ１１に自然文をクエリとして入力するだけで、目的とするコードを得ることができる。従来のコード検索時には、コードロジックを入力していたが、ソースコード検索システム１では、ユーザがプロジェクトの目的又はドメインのような抽象度の高い情報に基づいてコードを検索できる。

【0063】

また、ユーザは、ソースコード検索画面Ｗ１を通じて間接的にコードベースＤＢ０にアクセスして、コードを得ることができる。このため、従来のようにコードベースＤＢ０にアクセスして、多数のコードから目的のコードをユーザが目視で検索する場合に比べて、大きく検索時間を削減することができる。また、ユーザは、取得したコードを開発に流用できるので、開発に要する時間を削減することができ、生産性が向上する。

【0064】

［第２実施形態］

【0065】

第１実施形態に係るソースコード検索システム１では、例えば、ＲＥＡＤＭＥファイル中の最初のテキストは、リポジトリの目的を記していることに注目して、ＲＥＡＤＭＥファイルから文脈情報Ｄ１を抽出する処理について説明した。しかし、ＲＥＡＤＭＥファイルには、文脈情報Ｄ１として抽出したいソースコードの利用目的及びドメインの他にも、プログラムのインストール方法、プロジェクトの利用方法等の冗長な記載も含まれる。このため、第１実施形態に係る文脈情報抽出部ＭＤ２がＲＥＡＤＭＥファイルから文脈情報Ｄ１となり得る情報を正しく抽出できないおそれがある。そこで、第２実施形態に係るソースコード検索システム１では、図９に示すように文脈情報抽出部ＭＤ２が、コードベースＤＢ０から文脈粗情報Ｒ１を抽出した後、文脈粗情報Ｒ１から文脈情報Ｄ１を特定する処理を加える。以下に、本発明の第２実施形態に係るソースコード検索システム１Ａの構成例及び動作例を説明する。

【0066】

図９は、本発明の第２実施形態に係るソースコード検索システム１Ａの全体構成例を示すブロック図である。

【0067】

第２実施形態に係るソースコード検索システム１Ａは、図１に示した第１実施形態に係るソースコード検索システム１と同様の構成であるが、文脈情報抽出部ＭＤ２の内部構成が異なる。
文脈情報抽出部ＭＤ２は、コードベースＤＢ０から文脈情報を抽出する機能を持つ。この文脈情報抽出部ＭＤ２は、テキストブロック特定部ＭＤ４１及びテキストブロック内文脈情報特定部ＭＤ４２を備える。

【0068】

テキストブロック特定部ＭＤ４１（粗情報特定部の一例）は、第１実施形態に係る文脈情報抽出部ＭＤ２と同様の機能を持っているが、コード情報Ｄ０に基づいて、コードベースＤＢ０から文脈情報Ｄ１を含むテキストを文脈粗情報Ｒ１として取得する点が異なる。この際、テキストブロック特定部ＭＤ４１は、文脈情報Ｄ１を含むテキストを、ファイル単位のテキストブロックとして特定し、特定したテキストブロックを文脈粗情報Ｒ１としてテキストブロック内文脈情報特定部ＭＤ４２に出力する。文脈粗情報Ｒ１は、文脈情報Ｄ１を大まかに特定する情報であり、文脈情報Ｄ１よりも大きな範囲の情報を含む。ファイル単位とは、例えば、ＲＥＡＤＭＥファイルのような単位である。また、「テキストブロック」とは、「文脈情報が含まれていると予想されるテキスト」を表す。例えば、ファイル全体、ファイル最上部に書かれている自然言語のコメント全体が文脈粗情報Ｒ１として用いられるテキストブロックである。

【0069】

テキストブロック内文脈情報特定部ＭＤ４２（文脈情報特定部の一例）は、文脈粗情報Ｒ１を基に、さらに粒度を小さく特定するために用いられる。テキストブロック内文脈情報特定部ＭＤ４２は、文脈粗情報Ｒ１に文脈情報Ｄ１が書かれた部分を詳細に特定し、特定した詳細部分を文脈情報Ｄ１として出力する。この際、テキストブロック内文脈情報特定部ＭＤ４２は、テキストブロックから詳細部分を特定する。例えば、テキストブロック内文脈情報特定部ＭＤ４２は、後述する図１０に示すように文脈粗情報Ｒ１に含まれる「粗目的文字列」の中から、目的を表す文字列の部分のみを特定する。例えば、「目的」、「ドメイン」が含まれる一文のテキストブロックを詳細部分として文脈粗情報Ｒ１から特定する。詳細部分として特定されるテキストブロックは、「目的」、「ドメイン」が含まれる一文だけでなく、その一文の前後の文を含んでもよい。文脈粗情報Ｒ１から特定された、プロジェクトの目的、ドメインといった情報は、文脈情報Ｄ１としてコード及び文脈情報データベースＤＢ１に出力される。

【0070】

図１０は、文脈粗情報Ｒ１の例を示す図である。文脈粗情報Ｒ１は、「粗目的文字列」、「元ファイル」及び「行数」の項目を持つ。

【0071】

「粗目的文字列」は、コードの粗目的を文字列として含み、例えば、「このライブラリは、ユーザに対して最適な広告を推薦することを目的とする。具体的な処理としては、まずユーザをＤＮＮによってベクトルに変換し、…」のようにファイルの最上部に記載される情報である。
「元ファイル」は、「粗目的文字列」が含まれていた元ファイルのＵＲＬである。このＵＲＬは、元ファイルの保存場所を示すアクセス情報の一例である。ここでは、元ファイルとして、ＲＥＡＤＭＥファイルの保存場所がＵＲＬで示される。
「行数」は、当該ファイル中で「粗目的文字列」が記述されていた開始行数及び終了行数である。「行数」は、［開始行数，終了行数］の形式で表される。

【0072】

テキストブロック内文脈情報特定部ＭＤ４２により、文脈粗情報Ｒ１から特定された文脈情報Ｄ１は、例えば、「このライブラリは、ユーザに対して最適な広告を推薦することを目的とする。」のように表される。このため、目的以外の情報である「具体的な処理としては、まずユーザをＤＮＮによってベクトルに変換し、…」といった記載は文脈情報Ｄ１として抽出されない。

【0073】

テキストブロック内文脈情報特定部ＭＤ４２が、文脈粗情報Ｒ１から文脈情報Ｄ１を抽出する方法として、例えば、テキスト中から特定の部分を抜き出す情報抽出及び関係抽出技術などが用いられる。あるいは、自動要約技術などを用いて、文脈粗情報Ｒ１から目的に関する文字列のみを含む文脈情報Ｄ１に変換してもよい。テキストブロック内文脈情報特定部ＭＤ４２は、文脈粗情報Ｒ１から抽出した文字列を図４に示した「目的文字列」を含む文脈情報Ｄ１として出力する。コード情報Ｄ０と、文脈情報Ｄ１のペアは、コード及び文脈情報データベースＤＢ１に保存される。以降のユーザによるコード検索の方法は、第１実施形態に係る方法と同じであるため、詳細な説明を省略する。

【0074】

以上説明した第２実施形態に係るソースコード検索システム１Ａでは、テキストブロック特定部ＭＤ４１によりコードベースＤＢ０から文脈粗情報Ｒ１が特定された後、テキストブロック内文脈情報特定部ＭＤ４２により文脈情報Ｄ１が特定される。その後、コード情報Ｄ０に対応する文脈情報Ｄ１が適切に特定され、コード情報Ｄ０と文脈情報Ｄ１がペアとしてコード及び文脈情報データベースＤＢ１に保存される。このため、ユーザがＰＣ２にクエリを入力すると、文脈情報Ｄ１に対応するコード情報Ｄ０が検索されやすくなる。

【0075】

［変形例］
上述した各実施形態に係るソースコード検索システム１，１ＡをＰＣ２の内部に構成してもよい。この場合、ＰＣ２に構成されるコード及び文脈情報データベースＤＢ１にコード情報Ｄ０と文脈情報Ｄ１のペアが保存される。このため、ユーザは、オンラインにすることができないサーバ室等のオフライン環境であっても、ＰＣ２からクエリを入力してコードを検索し、開発を続けることができる。

【0076】

また、ソースコード検索システム１，１Ａは、コードベースＤＢ０を備える構成としてもよい。この場合、外部に公開することを前提としていないソースコードを保有する既存のシステムにおいて、コードベースＤＢ０を使ってソースコードを管理する形態が考えられる。

【0077】

本発明は上述した各実施形態に限られるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りその他種々の応用例、変形例を取り得ることは勿論である。
例えば、上述した各実施形態は本発明を分かりやすく説明するために装置及びシステムの構成を詳細かつ具体的に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されない。また、ここで説明した実施形態の構成の一部を他の実施形態の構成に置き換えることは可能であり、さらにはある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加、削除、置換をすることも可能である。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

【符号の説明】

【0078】

１，１Ａ…ソースコード検索システム、Ｄ１…文脈情報、ＤＢ１…文脈情報データベース、ＭＤ１…コード情報抽出部、ＭＤ２…文脈情報抽出部、ＭＤ３…検索部、ＭＤ４１…テキストブロック特定部、ＭＤ４２…テキストブロック内文脈情報特定部、Ｒ１…文脈粗情報、Ｗ１…ソースコード検索画面、Ｗ２…検索結果表示画面

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】