文献

J-GLOBAL ID：201902234726808287   整理番号：19A2092253

ニューラル機械翻訳による意味のあるコード変化の学習について【JST・京大機械翻訳】

On Learning Meaningful Code Changes Via Neural Machine Translation

著者 (5件)： Tufano Michele (The College of William and Mary) ,  Pantiuchina Jevgenija (Universita` della Svizzera italiana (USI)) ,  Watson Cody (The College of William and Mary) ,  Bavota Gabriele (Universita` della Svizzera italiana (USI)) ,  Poshyvanyk Denys (The College of William and Mary)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSE  ページ： 25-36  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 近年,ソースコードに適用されるDeep学習(DL)技術の上昇が見られている。研究者は,いくつかの開発と保守作業を自動化するためにDLを利用してきた。例えば,コメントを書くこと,コメントを生成して,他の間で脆弱性を検出する。ソースコードにDLを適用する長い持続的な夢の一つは,非自明な符号化活動を自動化する可能性である。この方向におけるいくつかのステップ(例えば,バグを固定する方法)を取り上げたが,DLによって学習され自動的に適用できるコード変化のタイプに関する経験的証拠の欠如がまだある。著者らの目標は,この第一の重要なステップを,ニューラルマシン変換(NMT)モデルの能力を定量的に定性的に調べて,プル要求の間に開発者によって実装されたコード変化を自動的に適用する方法を学習することである。著者らは,プル要求において提供された変化の実行の前後に,236K対のコード成分のセットに関するNMTモデルによる訓練と実験を行った。著者らは,狭い十分な文脈(すなわち,プル要求変化の前後の小さい/中規模対の方法)に適用したとき,NMTは,事例の36%までのプル要求の間に,開発者によって実装された変化を自動的に複製できることを示した。さらに,著者らの定性的解析は,このモデルが,広範囲の意味のある符号変化,特にリファクタリングおよびバグ固定活動を学習し,複製することができることを示した。著者らの結果は,自動学習や再因子化の応用のようなコード上のDLの領域における新しい研究の道を開く。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モデル ,  中規模 ,  *機械翻訳 ,  自動化 ,  ソフトウェア障害 ,  *学習 ,  保全
準シソーラス用語： リファクタリング ,  脆弱性 ,  ソースコード , 【Automatic Indexing@JST】

分類 (1件)： 計算機システム開発  (JD02010R)

タイトルに関連する用語 (3件)： ニューラル機械翻訳 ,  意味 ,  学習