Apr, 2023

面向图数据的统一主动学习框架，应用于软件源代码性能预测

PDF
TL;DR提出了一种基于主动学习的框架，通过分析软件源代码的 AST 图表征来进行软件性能预测，从而实现支持回归任务的任意查询策略并提高 AI 模型的性能。
发现论文，激发创造
  • 用图神经网络和增强流程抽象语法树来检测代码克隆

    本文提出了一种基于图神经网络 (GNN) 的程序控制流和数据流表示方法 FA-AST (flow-augmented abstract syntax tree)，并将其应用于代码克隆检测，相比基于抽象语法树 (AST) 的方法，在 Google Code Jam 和 BigCloneBench 数据集上均取得了更好的效果。

    Feb, 2020

  • 图嵌入的主动学习

    本论文提出了一个称为主动图嵌入（AGE）的框架，用于选择最具信息量的节点作为训练有标签节点，以提高半监督图嵌入算法的性能，并结合具有时间敏感性的参数。实验结果表明我们所提出的查询策略的每个组成部分的有效性以及使用时间敏感性参数进行组合的强大性。

    May, 2017

  • 自动化网络流量分类的主动学习框架

    本文介绍了一种基于主动学习框架（ALF）的网络流量分类方法，它提供了准备好的软件组件，用于部署主动学习循环和自动维护数据集和机器学习模型的实例。该方法可应用于高速网络（100Gb/s），支持不同的注释、评估和数据集优化策略的研究实验。

    Oct, 2022

  • 超越标签：通过新型主动学习结构为人类提供自然语言解释的支持

    该研究提出了一种新的主动学习框架，通过加入自然语言解释生成模型，实现在低资源条件下减少标签和解释注释的人工成本，并提升了决策方案生成的效果。

    May, 2023

  • 基于图策略网络的图可迁移主动学习

    通过强化学习训练一种基于图神经网络 (GNN) 的策略网络，来学习如何高效地标注图中的节点，以减少 GNN 训练的标注成本。该研究还证明了所学习的策略网络在同一领域和不同领域的图之间进行迁移学习的有效性。

    Jun, 2020

  • 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

  • 从结构和上下文中学习源代码的语言不可知性表示学习

    通过同时学习源代码和抽象语法树的结构信息，本篇研究提出了一种只使用与语言无关的功能和直接从抽象语法树中计算得出的功能的新机器学习模型，该模型在单语言和多语言代码总结方面均取得了最新成果。

    Mar, 2021

  • 基于潜空间聚类的主动学习节点分类 LSCALE

    本文提出了一种基于潜在空间聚类的主动学习框架，利用无监督和有监督特征的动态结合，在节点分类中充分利用有标记和未标记节点的表示能力，使用 K-Medoids 聚类算法选择标记节点，并设计增量聚类模块以避免不同步骤选择的节点之间的冗余。经过在五个数据集上的广泛实验，结果表明我们提出的 LSCALE 框架始终以较大的优势显着优于现有最先进方法。

    Dec, 2020

  • 回归任务中树状神经网络的行为分析

    本文通过解析抽象语法树（AST）推测了基于树状神经网络模型的行为，并提出了一种双重变换器方法，通过源代码标记和 AST 表示进行交叉注意力机制的操作，进一步探索了图神经网络（GNN）对于基于树状问题的适应性，实证评估发现，我们的双重变换器模型在各种数据集上表现出色，优于其他基于树状神经网络和基于 GNN 的模型。

    Jun, 2024

  • 学习用异构图表示程序

    本研究提出了从源代码的抽象语法树构建异构编程图用于方法命名和代码注释生成的方法，并使用异构图神经网络学习这些图。实验结果表明，利用编程图中节点和边的类型信息可以帮助学习程序语义，本方法优于基线模型。

    Dec, 2020