代码搜索是软件开发及维护过程中的一项常见任务,开发者经常需要进行代码搜索来帮助完成代码学习和重用、代码重构、bug定位等工作。现有的代码搜索工具大部分是基于关键字文本匹配的搜索方法,与传统信息检索类似,这种方法的一个关键问题在于用户查询关键字与代码文本用词不匹配。因此需要对用户查询做语义相关词扩展以提高搜索精度。由于软件工程领域的单词语义与自然语言存在很大差异,代码搜索无法使用自然语言的语义相关词做查询扩展,需要软件工程领域的语义相关词表。目前已有的软件工程领域语义相关词挖掘研究大多采用简单的文本相似度检测方法或基于词汇同现的统计方法,具有较大的局限性。而现有的自然语言领域的Word Embedding方法在语义相关词挖掘任务上表现良好。基于此,本文设计了一种基于Word Embedding的软件工程领域语义相关词挖掘方法SWordMap,并就SWordMap在代码搜索上的应用进行了研究。SWordMap采用CBOW神经网络语言模型,以IT技术问答网站Stack Overflow的文档作为训练数据,训练得到19332个软件工程领域单词的向量表示及语义相关词表。为研究所得语义相关词表在代码搜索上的应用,根据本地代码搜索及开源代码搜索的不同特点,本文分别设计了针对本地代码搜索及开源代码搜索的查询扩展模型,并基于搜索引擎Elasticsearch进行了实现。本文实验从四个不同角度对SWordMap进行评估:SWordMap挖掘语义相关词表的精确度;SWordMap对关注定位任务效率的提升;SWordMap对本地代码搜索精度的提升;SWordMap对开源代码搜索精度的提升。实验结果表明,SWordMap能够有效挖掘软件工程领域语义相关词,能有效提升关注定位任务效率及本地代码搜索精度,对开源代码搜索精度的提升有限。与前人工作的对比实验表明SWordMap能挖掘更高精确度的语义相关词,给关注定位任务及本地代码搜索带来可观的帮助。