Feb, 2019

一种生成程序子程序自然语言摘要的神经模型

PDF
TL;DR本研究提出了一种新的神经网络模型，它可以将源代码的单词和代码结构（AST）结合起来，从而能够生成准确的注释文档。与传统的基于模板的系统不同，该模型可以更好地学习代码结构，即使程序缺乏内部文档，也可以在演示中提供连贯的描述，并在 SE 文献和 NLP 文献中得到进一步的改进和应用验证。
source code summarizationneural modelastdocumentationjava
发现论文，激发创造
  • 使用图神经网络改进代码摘要

    本文提出了一种使用图神经网络的自动代码注释生成方法，该方法使用了源代码序列和图结构信息作为输入，使用 210 万个 Java 方法 - 注释对进行评估，并表明比四种基线技术均有所改进。

    Apr, 2020

  • 基于语句的神经源代码摘要的记忆

    源代码摘要是编写源代码行为的自然语言描述的任务。近来，神经源代码摘要已成为研究自动化代码摘要技术的前沿，本文介绍了一种基于语句的记忆编码器，通过训练学习了流程的重要元素，从而实现了基于语句的子程序表示，并展示了与最新技术相比的显著改进。

    Jul, 2023

  • 利用文件上下文关注提高子程序的自动摘要能力

    该文提出了一种利用文件上下文、采用注意力机制来查找子程序描述所需单词和概念的方法，以扩展和改进几种最近基线的源代码摘要生成的 AI 方法。

    Apr, 2020

  • 基于项目级编码的子程序神经源代码摘要

    该论文提出了一种基于神经网络的源代码摘要方法，采用项目级别的编码器来增强当前主流的代码摘要技术，以提高摘要的准确性和效率。

    Mar, 2021

  • 利用自然语言处理技术实现 API 代码摘要

    本研究提出了一种使用自然语言处理技术通过非官方文档生成 API 和方法摘要的自动化方法，该方法可以作为指导开发人员进行软件开发和维护任务的补充来源。

    Aug, 2022

  • 使用扩展 Tree-LSTM 自动生成源代码摘要

    该研究探讨了使用神经机器翻译模型进行源代码自动生成文档的机器翻译任务，并阐述了抽象语法树在源码的机器学习研究中的重要性和 Tree-LSTM 方法的局限性，并提出了一种新方法 Multi-way Tree-LSTM 来应对此问题，对比现有技术取得更好的结果。

    Jun, 2019

  • 一种源代码摘要的抽取和生成框架

    本研究提出了一种新的抽取式 - 生成式混合框架来自动生成代码摘要，该框架结合了抽取式方法和生成式方法，能够提取关键的事实性细节，并生成简明、类似于人工撰写的自然语言摘要，实验证明 EACS 显著优于现有的技术，包括 BLEU，METEOR 和 ROUGH-L 等三个广泛使用的评估指标。

    Jun, 2022

  • 从源代码更改生成自然语言描述的神经网络架构

    通过代码提交信息和修改代码所产生的消息来训练一种编码器 — 解码器结构的模型，以自然语言自动描述程序中的变化，该方法在 12 个开源项目中进行了评估，并在标准项目设置和跨项目设置中展示了可行的和语义良好的描述。

    Apr, 2017

  • EditSum: 源代码摘要的检索和编辑框架

    现有研究表明，代码摘要有助于开发人员理解和维护源代码。然而，软件项目中的这些摘要通常缺失或过时。本文提出了一种名为 EditSum 的新型检索编辑方法，用于代码摘要，旨在自动生成源代码的自然语言描述。实验结果表明，EditSum 在预测模式化单词和关键词方面表现出色，而且人工评估也证明了 EditSum 生成的摘要更具信息量和实用性。

    Aug, 2023

  • 基于混合图神经网络的检索辅助代码摘要生成

    本研究提出了使用检索增强机制和动态图神经网络结构来生成源代码摘要的方法，并在大规模的开源项目数据集上进行了实验，在 ROUGE-L，BLEU-4 和 METEOR 等方面取得了最先进的结果。

    Jun, 2020