特許ウォッチ

公開番号2025133195
公報種別公開特許公報(A)
公開日2025-09-11
出願番号2024030985
出願日2024-03-01
発明の名称検索装置、検索方法及びプログラム
出願人NTT株式会社,学校法人早稲田大学
代理人弁理士法人ITOH,個人,個人,個人
主分類G06F 8/70 20180101AFI20250904BHJP(計算;計数)
要約【課題】或るソースコードに関連するソースコードを特定する精度を向上させること。
【解決手段】検索装置は、或るソフトウェアに関する第1のソースコード及び前記ソフトウェアに関する複数の第2のソースコードのそれぞれの説明文を大規模言語モデルを用いて生成するように構成されている説明文生成部と、それぞれの前記説明文の特徴量を算出するように構成されている特徴量算出部と、前記第2のソースコードに係る前記特徴量ごとに前記第1のソースコードに係る特徴量との類似性を評価するように構成されている類似性評価部と、前記類似性の評価の結果に基づく情報を出力するように構成されている出力部と、を有する。
【選択図】図8
特許請求の範囲【請求項１】
或るソフトウェアに関する第１のソースコード及び前記ソフトウェアに関する複数の第２のソースコードのそれぞれの説明文を大規模言語モデルを用いて生成するように構成されている説明文生成部と、
それぞれの前記説明文の特徴量を算出するように構成されている特徴量算出部と、
前記第２のソースコードに係る前記特徴量ごとに前記第１のソースコードに係る特徴量との類似性を評価するように構成されている類似性評価部と、
前記類似性の評価の結果に基づく情報を出力するように構成されている出力部と、
を有することを特徴とする検索装置。
続きを表示（約 860 文字）【請求項２】
前記説明文生成部は、前記第１のソースコード及び前記第２のソースコードのそれぞれのソースコードついて、当該ソースコードと、当該ソースコードの説明文の生成を要求するテキストとを前記大規模言語モデルへ入力するように構成されている、
ことを特徴とする請求項１記載の検索装置。
【請求項３】
前記第２のソースコードは、前記ソフトウェアに関するソースコードを所定の処理単位に分割したソースコードである、
ことを特徴とする、
請求項１記載の検索装置。
【請求項４】
前記第１のソースコードは、前記ソフトウェアに関する機能変更に応じた修正が適用されたソースコードである、
ことを特徴とする請求項１記載の検索装置。
【請求項５】
或るソフトウェアに関する第１のソースコード及び前記ソフトウェアに関する複数の第２のソースコードのそれぞれの説明文を大規模言語モデルを用いて生成する説明文生成手順と、
それぞれの前記説明文の特徴量を算出する特徴量算出手順と、
前記第２のソースコードに係る前記特徴量ごとに前記第１のソースコードに係る特徴量との類似性を評価する類似性評価手順と、
前記類似性の評価の結果に基づく情報を出力する出力手順と、
をコンピュータが実行することを特徴とする検索方法。
【請求項６】
或るソフトウェアに関する第１のソースコード及び前記ソフトウェアに関する複数の第２のソースコードのそれぞれの説明文を大規模言語モデルを用いて生成する説明文生成手順と、
それぞれの前記説明文の特徴量を算出する特徴量算出手順と、
前記第２のソースコードに係る前記特徴量ごとに前記第１のソースコードに係る特徴量との類似性を評価する類似性評価手順と、
前記類似性の評価の結果に基づく情報を出力する出力手順と、
をコンピュータに実行させることを特徴とするプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、検索装置、検索方法及びプログラムに関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
日本でのＩＴ人材は不足している。その解決法の一つとして、大規模言語モデル（ＬＬＭ）を用いたソフトウェアの開発の支援が挙げられる。現在、ＬＬＭによるコード生成能力は飛躍的に上昇しており、単一のソースコード（以下、単に「コード」という。）の理解や生成の精度は高い。しかし、実際のソフトウェア開発に近いリポジトリレベルでの研究は少なく、ＬＬＭによるリポジトリレベルのコード生成の能力は非常に低い。ここで、リポジトリレベルのコードとは、例えば、複数人によって開発が行われる複数の機能を有するソフトウェアに関する複数のコードの大規模な集合をいう。リポジトリレベルでのバグ修正ベンチマークＳＷＥ－ｂｅｎｃｈのバグ解決率はわずか１．９６％にとどまる。リポジトリレベルでのコード関連タスク（コード生成、コード修正、コード理解、コード検索等、通常プログラミング業務においてコードに関連して行われるタスク全般）では多くのファイルの参照が必要となる。
【０００３】
一方で、ＬＬＭのほとんどはTransformerベースのモデルであるため、入力長に制限があり、多くのファイルを入力できない。通常、バグ修正や機能変更等では、当該バグや当該機能変更等に関連する一部のコードのみを修正すればよい。そこで、全てのコードではなく、一部のコードのみをＬＬＭに入力することで、ＬＬＭの入力超の制限に対処可能であると考えられる。
【先行技術文献】
【非特許文献】
【０００４】
Tianyang Liu, Canwen Xu, and Julian McAuley、"Repobench: Benchmarking repository-level code autocompletion systems"、arXiv preprint arXiv:2306.03091, 2023
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、大規模なコード集合の中から、或るバグ修正や機能変更等に関連する複数のコード（以下、「関連コード」という。）を人手で特定するのは容易ではない。そこで、人手で特定可能な一部のコードに基づくコード検索によって関連コードを特定することが考えられる。
【０００６】
コード検索の既存研究では、ＬＬＭでコード生成を行いたいコード及びそれに関連しうる検索対象のコード候補それぞれの特徴量（言語モデルの埋め込み表現など）を取得し、特徴量に基づいて類似度が計算される。
【０００７】
しかし、コード検索の精度は、ＳＷＥ－ｂｅｎｃｈやリポジトリレベルのコード補完・検索ベンチマークであるＲｅｐｏＢｅｎｃｈ（非特許文献１）などでも高くない。したがって、コード検索の既存技術を用いても、高い精度で関連コードを特定するは困難である。
【０００８】
本発明は、上記の点に鑑みてなされたものであって、或るソースコードに関連するソースコードを特定する精度を向上させることを目的とする。
【課題を解決するための手段】
【０００９】
そこで上記課題を解決するため、検索装置は、或るソフトウェアに関する第１のソースコード及び前記ソフトウェアに関する複数の第２のソースコードのそれぞれの説明文を大規模言語モデルを用いて生成するように構成されている説明文生成部と、それぞれの前記説明文の特徴量を算出するように構成されている特徴量算出部と、前記第２のソースコードに係る前記特徴量ごとに前記第１のソースコードに係る特徴量との類似性を評価するように構成されている類似性評価部と、前記類似性の評価の結果に基づく情報を出力するように構成されている出力部と、を有する。
【発明の効果】
【００１０】
或るソースコードに関連するソースコードを特定する精度を向上させることができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許