Aug, 2023

通过 BERTopic 建模和摘要提升 API 文档

PDF
TL;DR本文介绍了一种独特的方法来解决对应用程序接口（API）文档的解释复杂性的需求，利用 BERTopic 的强项和自然语言处理（NLP）自动生成 API 文档的摘要，以提高 API 文档的可理解性和开发效率。研究结果揭示了重要主题，常见问题和潜在解决方案，旨在为开发人员提供实用工具以提升软件开发流程。
textual dataapi documentationdeveloperstopic modelingnlp
发现论文，激发创造
  • 通过摘要将 API 文档彻底改革

    本研究通过利用 Stack Overflow 的大量用户生成内容，包括代码片段和讨论，使用 BERTopic 和抽取式摘要生成简洁且信息丰富的 API 摘要，以解决解释应用程序编程接口 (API) 文档的挑战，这是软件开发的一个重要方面。这些摘要包括了关于常规使用方法、常见开发者问题和潜在解决方案等关键见解，以从 Stack Overflow 的丰富知识中获取。软件开发人员评估这些摘要的性能、连贯性和互操作性，为我们的方法的实用性提供有价值的反馈。

    Jan, 2024

  • 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

  • 利用深度学习对非官方文档进行抽象代码摘要

    本文提出了一种使用 BART 算法的自动方法，通过深度学习技术，在 StackOverflow 上生成 API 的摘要，并使用 ROUGE 和 BLEU 指标对其进行评估，结果表明使用深度学习算法可以提高摘要的质量，并且在精确率、召回率和 F-measure 上表现出色，且运行速度为之前的工作的 4.4 倍。

    Oct, 2023

  • 一种生成程序子程序自然语言摘要的神经模型

    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。

    Feb, 2019

  • 利用 BERT 进行讲座文本抽取式摘要

    本篇论文介绍了使用 Python 的 RESTful 服务 Lecture Summarization Service，利用 BERT 模型和 KMeans 聚类算法对课程内容进行自动摘要，以提供学生便捷的学习方式。该方法虽然有待进一步改进，但是已经取得了令人满意的效果。

    Jun, 2019

  • 从 API 规格书生成自然语言句子

    本文介绍了一种将 APIs 与聊天机器人相融合的方案，旨在帮助缺乏技术能力的业务用户实现自动化解决方案。文中提出了一种生成句子训练意图识别模型的系统，并使用深度学习模型进行评估，结果显示很有前景，在系统中引入人的参与将进一步提高系统性能。

    Jun, 2022

  • 使用 BERT 进行口头和书面指令的抽象摘要

    本研究使用 BERTSum 模型对按主题分类的教学视频进行抽象摘要概括，通过多个英文语境下的数据集预训练模型，使用 ROUGE 和 Content-F1 评分进行结果评估，同时进行人工盲评，结果显示本方法在 WikiHow 数据集中具有较高的效果及概括性能力。

    Aug, 2020

  • 利用自然语言处理实现文本摘要：叙事性文献综述

    本文是一篇关于使用自然语言处理技术生成简化版摘要的研究综述，发现基于 transformer 的方法如 BERT 和 PEGASUS 在生成 lay text summarisation 方面相对优秀，并建议采用抽取式和生成式相结合的混合方法，并开发一些新的评估指标以确保 lay summary 更易读。

    Mar, 2023

  • 超越文本生成：通过持续的自动文本摘要支持写手

    本文提出了一个文本编辑器，使用自动文本摘要为用户提供不断更新的逐段摘要，以边缘注释的方式帮助用户规划、结构化和反思写作过程。通过两个用户研究，作者发现这个系统为用户提供了一个外部的视角来帮助他们修改段落的内容和范围，并且帮助用户快速了解文本的总体情况和开发一些集成自动摘要中得到的见解的策略。通过探究和强调设计 AI 工具以帮助写作的价值，这项工作突显了自然语言处理 (NLP) 能够超越直接的文本生成和纠正。

    Aug, 2022

  • 通过多文档摘要预测临床试验中干预措施的批准

    该研究提出了一种基于文献摘要的新方法来预测临床试验干预措施的有效性。通过抽取摘要中表达干预措施有效性的句子，生成一个简洁的摘要，用于训练 BERT 分类器以预测干预措施的有效性。实验结果证明了该方法的有效性。

    Apr, 2022