代码推荐
    1.
    发明公开

    公开(公告)号:CN106462399A

    公开(公告)日:2017-02-22

    申请号:CN201480079895.0

    申请日:2014-06-30

    Abstract: 方法大体涉及代码推荐。在该方法中,代码片断(2201,2202,…220n)可以使用以调用为中心的代码切分过程来提取并且之后根据方法用途来分组。针对每个方法用途,代表性代码片断可以被选择并且与元数据(2301,2302,…230n)相关联地被存储在知识库(210)中。编程上下文可以被获得并且被用于查询知识库(210)以检索用于推荐的一个或多个代码片断。所推荐的代码片断可以被排名以改进效用和用户友好性,并且元数据(2301,2302,…230n)可以被用于提供变化点以及可能的其他辅助信息,以改进操作效率和用户体验。

    用于电子表格的自动见解的方法和系统

    公开(公告)号:CN106255965B

    公开(公告)日:2021-01-01

    申请号:CN201480074451.8

    申请日:2014-01-30

    Abstract: 提供了自动地识别来自数据集的见解并且按照重要性排名图形地及以自然语言文本呈现见解。在数据集中的不同数据类型和结构自动被辨识并且与对应的特定分析类型匹配。数据根据确定的对应分析类型而被分析,并且来自该分析的见解被自动地识别。在给定见解类型中的和见解类型之间的见解以重要性顺序在自动生成的图表中以及自然语言文本中被排名及呈现,该自动生成的图表形象化描述每个见解,该自然语言文本以不熟悉统计学的普通观众可理解的方式描述每个见解。

    基于数据划分的频繁对象挖掘

    公开(公告)号:CN103150311B

    公开(公告)日:2018-03-09

    申请号:CN201110418088.5

    申请日:2011-12-07

    Abstract: 本发明提供了一种基于数据划分的频繁对象挖掘方法。首先,用一相对较小的局部阈值对经随机划分的数据库进行局部频繁对象挖掘,然后再从局部挖掘对象的并集中挖掘全局频繁对象。这种方法解决了现有的频繁对象挖掘方法的规模受限于存储器容量的问题。当应用于挖掘频繁闭序列时,可作用于例如超过4亿个序列的超大规模的序列数据库,且具有例如99%的高召回率。这一规模约比现有方法所支持的数据库规模高了两个数量级。

    代码推荐
    6.
    发明授权

    公开(公告)号:CN106462399B

    公开(公告)日:2019-10-18

    申请号:CN201480079895.0

    申请日:2014-06-30

    Abstract: 方法大体涉及代码推荐。在该方法中,代码片断(2201,2202,…220n)可以使用以调用为中心的代码切分过程来提取并且之后根据方法用途来分组。针对每个方法用途,代表性代码片断可以被选择并且与元数据(2301,2302,…230n)相关联地被存储在知识库(210)中。编程上下文可以被获得并且被用于查询知识库(210)以检索用于推荐的一个或多个代码片断。所推荐的代码片断可以被排名以改进效用和用户友好性,并且元数据(2301,2302,…230n)可以被用于提供变化点以及可能的其他辅助信息,以改进操作效率和用户体验。

    用于电子表格的自动见解

    公开(公告)号:CN106255965A

    公开(公告)日:2016-12-21

    申请号:CN201480074451.8

    申请日:2014-01-30

    Abstract: 提供了自动地识别来自数据集的见解并且按照重要性排名图形地及以自然语言文本呈现见解。在数据集中的不同数据类型和结构自动被辨识并且与对应的特定分析类型匹配。数据根据确定的对应分析类型而被分析,并且来自该分析的见解被自动地识别。在给定见解类型中的和见解类型之间的见解以重要性顺序在自动生成的图表中以及自然语言文本中被排名及呈现,该自动生成的图表形象化描述每个见解,该自然语言文本以不熟悉统计学的普通观众可理解的方式描述每个见解。

    使用代码克隆检测的智能代码差分

    公开(公告)号:CN103262047B

    公开(公告)日:2016-11-16

    申请号:CN201080070705.0

    申请日:2010-12-15

    CPC classification number: G06F8/751

    Abstract: 本发明涉及用于利用代码克隆检测技术来进行智能代码差分的系统和方法。大而复杂的源代码改变(例如,跨越源文件来移动和重命名函数)可涉及多个源文件中的编辑。如此,使用现有代码差分工具,开发者和/或代码审阅者可能难以标识大而复杂的改变,以及确定哪些改变是最重大的。使用代码克隆检测技术,可以确定不同类型的改变(跨越源文件或者在特定源文件内)。改变可被归类为新的、复制的、以及删除了的代码片段或函数、以及移动了的、重命名了的或修改了的函数。对于被归类为复制的或修改了的改变,可以按照改变的重要性级别来进行进一步归类。例如,改变可以是琐碎的、次要的以及重大的。改变的可视化进一步提供对改变的直观理解。

Patent Agency Ranking