使用API语义增强代码分类器：提升代码分类精度

本文介绍了一种使用API语义来提高代码分类精度的方法。该方法将API调用序列作为输入，并使用深度学习模型对代码进行分类。但是，该方法还使用了API语义信息作为额外的特征。具体来说，它使用了一个预训练的API嵌入模型来为每个API调用生成向量表示。这些向量表示被添加到输入特征中，并与代码序列一起传递到分类器中。

为了评估这种方法的效果，研究人员使用了两个公共数据集：Java-small和Java-large。结果表明，将API语义信息添加到输入特征中可以显著提高代码分类的精度。在Java-small数据集上，该方法的准确率从81.5%提高到了83.5%，在Java-large数据集上，准确率从82.5%提高到了84.2%。

这项研究的贡献在于将API语义信息应用于代码分类问题中，并证明了它可以提高分类精度。由于API语义信息可以提供有关API调用的更多上下文信息，因此这种方法可能有助于更好地识别和分类代码。此外，该方法还可以扩展到其他与API相关的任务，例如代码缺陷检测和代码推荐。