文献

J-GLOBAL ID：202002267774163042   整理番号：20A2077388

Typilus:神経型ヒント【JST・京大機械翻訳】

Typilus: neural type hints

著者 (4件)： Allamanis Miltiadis (Microsoft Research, UK) ,  Barr Earl T. (University College London, UK) ,  Ducousso Soline (ENSTA Paris, France) ,  Gao Zheng (University College London, UK)
資料名： ACM Proceedings  (ACM Proceedings)
号： PLDI 2020  ページ： 91-105  発行年： 2020年 
JST資料番号： D0698C  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： 動的型言語における部分コンテキスト上のタイプ推論は挑戦的である。本研究では,プログラムの構造,名前,およびパターンに関する確率的推論によってタイプを予測するグラフニューラルネットワークモデルを提案した。ネットワークでは,タイプSpacea-aの離散空間の連続緩和,およびシンボル(即ち,識別子)の型特性をいかに埋め込むかを学習するために,深い類似性学習を用いた。重要なことに,著者らのモデルは,1ショット学習を用いて,希少およびユーザ定義を含むタイプのオープン語彙を予測することができる。タイプSpaceとオプション型チェッカーを組み合わせたPythonのTypilusで提案アプローチを実現した。Typilusは正確にタイプを予測することを示した。Typilusは,すべての注釈可能な記号の70%の型を確かに予測する。タイプを予測するとき,タイプオプションタイプは時間の95%をチェックする。また,Typilusは不正確なタイプアノテーションを見つけることができる。2つの重要かつ一般的なオープンソースライブラリー,フェアスeqとアレネップは,発見された注釈誤差Typilusを固定する著者らのプル要求を受け入れた。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  言語 ,  ネットワーク ,  ニューラルネットワーク ,  語彙 ,  緩和現象 ,  粒状材 ,  類似性 ,  型推論 ,  *アノテーション
準シソーラス用語： 神経回路網モデル ,  Python ,  オープンソース ,  識別子 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  グラフニューラルネットワーク ,  メタ学習 ,  構造化学習 ,  タイプ推論

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (2件)： 神経 ,  ヒント