抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
NLPタスクのための訓練単語埋込みにおける最近の成功は,類似NLP法上に構築するソースコードのための表現学習に関する研究の波動を奨励している。次に,プログラム意味論の最大値を捉えるコード埋込みを生成する。最先端の手法は,常に構文表現(すなわち,生の語彙トークン,抽象構文ツリー,または中間表現トークン)に頼り,非ロバストまたは非一般化として文献において批判される埋込みを生成する。本研究では,ソースコードが意味論の視覚パターンを持つという直感に基づく新しい埋込みアプローチを検討した。さらに,これらのパターンを用いて,意味コードクローンを同定する優れた課題に取り組んだ。ソースコードの視覚表現がコンピュータビジョンの分野から強力な事前訓練画像分類ニューラルネットワークに供給され,転送学習の実用的利点から利益を得るWYSIWIM(”What You See Is What Swe See Is What the the S符号クローン検出(二値分類問題)と符号分類(マルチ分類問題)の2つのタスクのタスクの2つの変化に関する提案埋込みアプローチを評価した。BigCloneBench(Java)とOpen Judge(C)データセットに関する実験で,単純ではあるが,WYSIWIMアプローチがASTNNやTBCNNのような最新の手法の状態として有効に機能することを示した。さらに,視覚表現または分類アルゴリズムの選択のような著者らのアプローチにおける異なるステップの影響を検討し,最終的に,この研究方向の有望性と限界を議論した。【JST・京大機械翻訳】