如何衡量用编程语言

Question

我正在尝试解决以下问题。 给定一个特定的代码片段，我需要回复代码片段的热门评论评论，这里我们要给出类似代码片段的所有评论。

我试图将其形成为机器学习问题。我认为我们可以使用KNN算法，但在这里我不确定如何衡量两个代码片段之间的相似性？是否有预先存在的相似性度量？我试图在谷歌搜索但没有找到任何有用的链接

请帮助

Answer 1

包含所考虑的注释的两个字符串之间的

编辑距离可能是一种有用的相似度量。

此外，n-gram 余弦距离可能很有用，也就是说，你提取n-gram（例如3-char-segment），构建计算这些n-gram的向量并计算余弦距离。

另一个是n-gram向量之间的 Jaccard相似性（如上所述）。