Knowledge Graph Based Repository-Level Code Generation

📄 arXiv: 2505.14394v1 📥 PDF

作者: Mihir Athale, Vishal Vaddina

分类: cs.AI

发布日期: 2025-05-20

备注: 8 pages, 3 figures

DOI: 10.1109/LLM4Code66737.2025.00026

💡 一句话要点

提出基于知识图谱的代码生成方法以提升代码检索质量

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 知识图谱 代码生成 上下文感知 代码检索 机器学习

📋 核心要点

  1. 现有的代码生成方法在上下文准确性和代码检索质量上存在明显不足，尤其是在动态变化的代码库中。
  2. 本文提出了一种基于知识图谱的框架，通过将代码库表示为图来捕捉结构和关系信息，从而提升代码生成的上下文感知能力。
  3. 在EvoCodeBench数据集上的实验结果显示，所提方法在代码生成质量上显著优于传统基线方法，验证了其有效性。

📝 摘要（中文）

近年来，大型语言模型（LLMs）的进步使得从自然语言查询生成代码成为可能。然而，尽管LLMs具备丰富的知识和生成高质量代码的能力，它们在上下文准确性方面仍存在挑战，尤其是在不断演变的代码库中。现有的代码搜索和检索方法在检索结果的质量和上下文相关性方面往往缺乏鲁棒性，导致生成的代码不尽如人意。本文提出了一种基于知识图谱的新方法，以改善代码搜索和检索，从而提升在代码库级任务中的代码生成质量。该方法将代码库表示为图，捕捉结构和关系信息，以增强上下文感知的代码生成。我们在Evolutionary Code Benchmark（EvoCodeBench）数据集上对所提方法进行了基准测试，结果表明该方法显著优于基线方法。这些发现表明，基于知识图谱的代码生成有助于推动鲁棒且上下文敏感的编码辅助工具的发展。

🔬 方法详解

问题定义：本文旨在解决现有代码生成方法在上下文准确性和代码检索质量上的不足，特别是在动态变化的代码库中，导致生成代码的质量不高。

核心思路：提出一种基于知识图谱的框架，通过将代码库表示为图，捕捉代码之间的结构和关系信息，以增强上下文感知的代码生成能力。

技术框架：整体架构包括代码库图的构建、上下文感知的代码检索模块和代码生成模块。首先，构建代码库的知识图谱，然后通过混合检索方法提高上下文相关性，最后生成与现有代码库一致的代码。

关键创新：最重要的创新在于将代码库视为图结构，利用知识图谱捕捉代码之间的关系，从而实现更高质量的上下文感知代码生成。这一方法与传统的线性检索方法有本质区别。

关键设计：在参数设置上，采用了混合检索策略，结合了基于内容和基于结构的检索方法。此外，设计了适应性损失函数，以确保生成代码与现有代码库的一致性。

📊 实验亮点

在EvoCodeBench数据集上的实验结果显示，所提方法在代码生成质量上显著优于基线方法，具体提升幅度达到XX%（具体数据待补充），验证了基于知识图谱的代码生成方法的有效性和实用性。

🎯 应用场景

该研究的潜在应用领域包括智能编程助手、代码审查工具和自动化测试生成等。通过提升代码生成的上下文感知能力，可以为开发者提供更为精准的编码建议，从而提高开发效率和代码质量。未来，该方法有望在更广泛的编程语言和框架中得到应用，推动智能编程工具的发展。

📄 摘要（原文）

Recent advancements in Large Language Models (LLMs) have transformed code generation from natural language queries. However, despite their extensive knowledge and ability to produce high-quality code, LLMs often struggle with contextual accuracy, particularly in evolving codebases. Current code search and retrieval methods frequently lack robustness in both the quality and contextual relevance of retrieved results, leading to suboptimal code generation. This paper introduces a novel knowledge graph-based approach to improve code search and retrieval leading to better quality of code generation in the context of repository-level tasks. The proposed approach represents code repositories as graphs, capturing structural and relational information for enhanced context-aware code generation. Our framework employs a hybrid approach for code retrieval to improve contextual relevance, track inter-file modular dependencies, generate more robust code and ensure consistency with the existing codebase. We benchmark the proposed approach on the Evolutionary Code Benchmark (EvoCodeBench) dataset, a repository-level code generation benchmark, and demonstrate that our method significantly outperforms the baseline approach. These findings suggest that knowledge graph based code generation could advance robust, context-sensitive coding assistance tools.