COLINGNov, 2020

指向源代码中生成函数名称的子单词

PDF
TL;DR本文提出两种策略以解决代码中低频率或字典外的子单词的自动生成问题，并在 Java 编程中的数据集上提高了 F1 分数和准确度。
automatic code generationfunction namesubword copyingjava programmingf1 accuracy
发现论文，激发创造
  • 函数约束的程序综合

    该研究介绍了一种技术，它允许大型语言模型在解决编程任务时利用用户提供的代码，并且提出了一种逐步生成模块化子函数的方法，以帮助模型在初始生成的代码不足时进行未来的代码生成尝试。

    Nov, 2023

  • FASTSUBS: 基于 N-gram 语言模型寻找最可能的词汇替换的高效精确方法

    本论文介绍了一种基于 n-gram 语言模型的新搜索算法 FASTSUBS, 用于精确定位给定句子中最有可能的词汇替换，可应用于诸如文本简化、机器翻译和词性归纳等领域，算法计算复杂度在 K 和词汇表大小 V 方面具有亚线性的特点。

    May, 2012

  • 基于图形的编码器 - 解码器模型的未登录词过滤

    该研究提出一种方法，通过利用 HITS 算法捕获的共现信息，选择更适合学习编码器的单词来改善编码器 - 解码器模型的学习过程，应用于机器翻译任务和语法错误矫正任务，达到了比基线更好的表现效果。

    May, 2018

  • 使用子词袋来泛化字嵌入

    本文提出了一种基于子词级别的词向量生成模型来解决传统词向量模型无法应对未登录词、破音字等问题，并在英文词汇相似性任务和 23 种语言的词性标注和变形属性的联合预测任务中实现了最优表现。

    Sep, 2018

  • 在编程环境中将语言映射到代码

    通过自然语言处理技术和编码解码结构，研究生成类成员函数的任务。介绍了一个使用在线代码库中 Java 类的新数据集 CONCODE，探讨了类环境和方法文档之间的交互关系，并提出了需要未来更多工作的错误分析。

    Aug, 2018

  • Swords: 一种具有改进数据覆盖率和质量的词汇替换基准

    本文提出一种基于分类方法的新型词汇替换基准测试数据集，与现有基准测试相比，该数据集具有更高的数据质量和更广的数据覆盖率，其替换词以人类判断的可行性和上下文适宜度为导向，相比已有基准测试，其能够为同一任务提供更多、更合适的替换词。

    Jun, 2021

  • Big Code != Big Vocabulary: 开放词汇模型用于源代码

    本文研究了大规模源代码资料库上各种建模选择如何影响产生的词汇表并呈现出一个开放式词汇表源代码 NLM，可以扩展到比之前的工作大 100 倍的这样一个资料库，并表明这样的模型在三个不同的代码资料库（Java，C，Python）上优于现有技术。

    Mar, 2020

  • 深度学习中处理源代码未识别标识符的简单方法

    本文介绍了一种使用标识符匿名化解决深度学习在软件工程中处理源代码中罕见标识符的方法，并表明这种方法显著提高了 Transformer 在代码完成和错误修复等两个任务中的性能。

    Oct, 2020

  • PBoS: 概率词袋子字形式用于推广词嵌入

    提出了一种概括单词嵌入的方法，称为 PBoS 模型，该模型基于单词的拼写，同时对子词划分建模和计算子词组合的单词嵌入，并在词汇相似性和词性标注实验中显示出较好的性能，不需要明确的形态学知识。

    Oct, 2020

  • 使用基于图结构的缓存实现源代码的开放式词汇学习

    该文研究如何通过引入图结构缓存来解决程序源代码中可能遇到的新单词识别和定位的问题，并结合最新的基于图神经网络模型的方法，提高了模型在代码补全和变量命名任务上的性能。

    Oct, 2018