本发明公开了一种基于深度神经网络的代码片段推荐方法与装置，包括：从收集的代码片段中提取代码元素，包括方法名、参数与返回值、逻辑信息和代码语句，从注释文档中提取描述信息，将代码元素与描述信息共同嵌入到高维向量空间中进行模型训练；对于给定代码库提取其中每个方法的代码元素，使用经过训练的模型计算代码向量；当用户查询到达时，返回与查询向量接近的向量对应代码片段。与现有技术相比，本发明学习源代码和自然语言查询的统一向量表示，以便可以根据它们的向量来检索与查询语义相关的代码段。并且充分考虑了语句顺序、代码结构等各项元素信息，使得推荐的代码片段与查询之间的相似度更高，用户能够更好的使用推荐的代码片段。

本发明公开了一种基于深度神经网络的代码片段推荐方法与装置，包括：从收集的代码片段中提取代码元素，包括方法名、参数与返回值、逻辑信息和代码语句，从注释文档中提取描述信息，将代码元素与描述信息共同嵌入到高维向量空间中进行模型训练；对于给定代码库提取其中每个方法的代码元素，使用经过训练的模型计算代码向量；当用户查询到达时，返回与查询向量接近的向量对应代码片段。与现有技术相比，本发明学习源代码和自然语言查询的统一向量表示，以便可以根据它们的向量来检索与查询语义相关的代码段。并且充分考虑了语句顺序、代码结构等各项元素信息，使得推荐的代码片段与查询之间的相似度更高，用户能够更好的使用推荐的代码片段。