文献

J-GLOBAL ID：202202246234727349   整理番号：22A0313344

深層学習ベースプログラミングモデルによるソースコード変化解析【JST・京大機械翻訳】

Source code change analysis with deep learning based programming model

著者 (2件)： Pathik Babita (IT, Institute of Engineering & Technology, DAVV, Indore, India) ,  Sharma Meena (Department of Computer Engineering, Institute of Engineering & Technology, DAVV, Indore, India)
資料名： Automated Software Engineering  (Automated Software Engineering)
巻： 29  号： 1  ページ： 15  発行年： 2022年 
JST資料番号： W0889A  ISSN： 0928-8910  CODEN： ASOEEA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ソースコードにおける変化を解析することは,オブジェクト指向並列プログラミングソフトウェアにとって非常に重要な活動である。本論文は,オブジェクト指向ソフトウェアシステムにおける変化とそれらの影響部分を検出するために,注意BiLSTM(IABLSTM)による衝撃解析法を提案した。制御フローグラフ,プログラム依存性解析,潜在ダイリッチレット割当,およびデータマイニングに基づく古典的アプローチを,変化衝撃解析のために使用した。本論文では,Path2Vecアプローチを提示し,その変化を解析し,同定するために,単語埋め込みと深層学習技術を組み合わせた。本論文は,実験のためのpythonプログラムの2つのバージョンを考察し,抽象構文ツリー(AST)を作り出す。次に,トークンシーケンスを生成する経路を抽出する。次に,単語埋込み層を適用することにより,トークンシーケンスをユニークなベクトルに変換する。BiLSTMネットワークはシーケンスをベクトル表現に符号化する。その後,組込み出力を余弦距離メトリックの使用と比較した。埋込み結果でニューラルネットワークモデルを訓練した。次に,得られたトークン配列をASTの経路に解読する。最後に,AST経路を非構文技術を用いてコードに変換する。並列プログラミングベースの提案モデルを強化するために,著者らは,コードにおける差異を強調して,検出するために注意機構を結合した。モデルは効率的にコードの変化を検出する。実験結果は,提案モデルの変化検出精度が,変化衝撃解析の他の従来のモデルと比較して,かなり増加することを示した。また,提案方法をオブジェクト指向ベースの並列プログラミングに関する影響解析に適用することができる。経験的評価は,このモデルが,約85%の検証精度で変化検出より優れていることを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ベクトル ,  計算機プログラミング ,  精度 ,  ソフトウェア ,  抽象 ,  *計算機コード ,  単語 ,  *トークン ,  埋込み【挿入】 ,  *機械学習 ,  データマイニング
準シソーラス用語： 神経回路網モデル ,  構文木 ,  並列プログラミング ,  制御フロー ,  *ソースコード ,  構文 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： 変化影響解析 ,  抽象構文木 ,  Path2Vec ,  深層学習 ,  単語埋め込み ,  距離計量 ,  注意 ,  パージング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深層学習 ,  プログラミングモデル ,  ソースコード ,  解析