|
Эта публикация цитируется в 1 научной статье (всего в 1 статье)
Applying deep learning to C# call sequence synthesis
[Применение глубокого машинного обучения к синтезу цепочки вызовов C#]
A. E. Chebykin, I. A. Kirilenko Faculty of Mathematics and Mechanics, Saint Petersburg State University
Аннотация:
Большая часть стандартных для программирования задач - например, соединение с базой данных, отображение картинки, чтение файла - давно реализована в различных библиотеках и доступна через соответствующие Application Programming Interfaces (APIs). Однако чтобы воспользоваться ими, разработчик должен сначала узнать, что они существуют, а затем - как правильно с ними работать. В настоящее время Интернет кажется наилучшим и самым популярным источником подобной информации. Недавно был предложен другой подход, основанный на глубоком машинном обучении и реализованный в виде инструмента под названием DeepAPI. По описанию желаемой функциональности на английском языке он генерирует цепочку вызовов Java функций. В данной статье мы показываем, как подход может быть перенесен на другой язык программирования (C# вместо Java), на котором доступно меньше открытого кода; мы описываем техники, позволившие достичь результата, близкого к оригинальному, а также техники, которые не улучшили производительность. Наконец, чтобы облегчить будущие исследования в области, мы публикуем наши набор данных, код и обученную модель.
Ключевые слова:
API, глубокое обучение, поиск кода, рекуррентная нейронная сеть, обучение с подкреплением.
Образец цитирования:
A. E. Chebykin, I. A. Kirilenko, “Applying deep learning to C# call sequence synthesis”, Труды ИСП РАН, 30:3 (2018), 63–86
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/tisp325 https://www.mathnet.ru/rus/tisp/v30/i3/p63
|
Статистика просмотров: |
Страница аннотации: | 182 | PDF полного текста: | 199 | Список литературы: | 24 |
|