随着计算机在人类生产、生活领域的不断普及,以及云计算、大数据等新兴计算模式的不断出现,软件开发与维护已成为一门重要的学科,然而在计算机软件的开发和维护过程中依旧会遇到许多的问题,软件开发的高成本与低质量的矛盾一直客观存在并亟待解决。在充满新技术以及软件系统开发的过程中,代码自动生成或搜索工具可以协助开发者较快的完成手头上要实现的编程任务,对于某个代码功能语句,开发人员往往会借助一些代码辅助工具编写程序,重用现有的框架和库来提高编程的效率。而代码辅助工具中涉及到的自然语言处理技术逐渐成为一个重要研究方向,程序员往往会通过输入自然语言形式的查询寻找正确的代码片段,进而来实现某个或某些代码语句功能。在实际开发中,开发者输入的查询格式是多样自由的,如中文、英文或英文混合代码的查询等格式。因此,如何对多样自由格式的查询进行分别处理,同时自动生成满足查询请求且最优的结果是一个潜在的挑战性问题。为此,本文构建了响应自由格式查询的代码片段生成方法。其基本思想是针对上述三类格式查询进行专门处理并分别构建相应的代码生成工具,并通过优化排序算法实现多种格式查询满足同一请求时的最优结果推荐,从而生成基于用户查询满足用户需求的代码片段。本文所指自由格式是响应用户中文输入查询,英文输入查询,英文加代码三类格式的的查询,具体研究目标如下:1)针对查询具有多样自由格式的问题,提出了一种响应多种格式查询的方法,可对输入的自由格式查询请求进行响应。在不同格式输入方面,又对三种不同的输入进行了分门别类的优化处理,提升了方法的智能性和实用性;2)针对多种格式查询表达同一请求时的最优结果推荐问题,提出了基于Markov模型的代码片段排序方法,可对生成结果分类并依据概率模型进行评分,从而为开发人员提供可供选择的候选排名列表,快速定位最优结果。本文解决的主要关键问题如下:1)技术性关键问题:对于中文格式输入查询的处理,使用Word2vec和Encoder-Decoder;对于在英文加代码格式输入查询处理,使用含有注意力机制的Seq2Seq的模型。2)设计性关键问题:设计了一种响应自由格式查询的处理流程,能提供三类格式的输入查询生成代码片段的精度。3)模型性关键问题:提出了一种将语料库模型和词袋模型相结合的代码集库模型和Markov模型,能够提高了代码片段生成方法的可用性。