在现代软件工程中,集成开发环境发挥着重要的作用,而代码补全功能是其中的一个重要功能。智能代码补全方法在程序开发人员编程过程中,预测随后大概率会使用的词法单元,并将其作为推荐补全项,从而提高他们的编程效率。近年来,机器学习方法被广泛运用于构建智能化的代码补全工具中,以序列化形式表示代码上文并使用语言模型对其建模是其中的主流。基于深度学习的语言模型能有效地利用数十个词法单元或语法单元节点组成的序列,但是这种方法忽视了代码上文各词法单元或语法单元节点之间的一些重要语法和语义关系信息,这些关系应当在代码补全任务中被充分使用。除此以外,现有的代码补全方法只能利用待补全位置附近的代码片段,而难以建立对整个源代码文件功能场景的认识并加以利用。本文针对现有代码补全方法的上述缺陷,设计了一种利用局部与全局关系的代码补全方法,主要创新如下:1.针对现有代码补全方法不能充分利用代码间各种关系信息的缺陷,本文提出了一种利用多种关系信息的代码补全方法。本文将代码上文以有向图的形式表示,以带不同标记的有向边表示节点之间多种关系信息。基于代码补全任务的特点,本文设计了路径特征编码器和多视图遮挡机制两种方法,充分地利用了各种关系信息。实验结果验证了利用代码局部关系信息的有效性,在预测准确率这一衡量指标上,我们的方法相比于其它代码补全方法取得了显著提升。2.针对现有的代码补全方法只能利用范围有限的局部信息,而难以获取源代码文件整体功能场景语义的不足之处,本文设计了一种新的方式利用代码的全局信息。我们以一种自顶向下的方式选择体现代码功能场景的关键节点,并定义了这些全局节点的内部关系,以及与局部节点间的关系。根据从代码上文局部与全局信息中提取的特征表示,我们使用一种新的映射融合的方式对补全项进行预测。实验结果表明,考虑全局信息有助于提升代码补全任务的预测准确率。