一种基于骨架的从代码差异生成提交信息的神经模型
计算与语言
2021-04-12 v1 软件工程
摘要
提交信息在软件开发中有重要影响,尤其在大型团队中工作时。具有不同写作风格的多个开发者常参与同一项目。因此,难以维持严格的信息性提交信息书写规范,最常见的问题是这些信息描述性不足。本文中,我们应用神经机器翻译(NMT)技术将代码差异转换为提交信息,并针对该任务提出了一种改进的基于骨架的编码器。我们将方法分为三部分。首先,我们聚焦于寻找更适合该问题的 NMT 基线。其次,我们表明通过在包含特定文件类型的样本上训练可提升 NMT 模型性能。最后,我们引入一种受近期代码生成方法启发的新型基于骨架的神经模型,并表明该基于骨架的编码器显著优于现有 SOTA 方案。结果强调,通过考察近年来为该任务引入的两个不同数据集,此改进对 Java 源代码文件尤为相关。
引用
@article{arxiv.2104.04087,
title = {A Sketch-Based Neural Model for Generating Commit Messages from Diffs},
author = {Nicolae-Teodor Pavel and Traian Rebedea},
journal= {arXiv preprint arXiv:2104.04087},
year = {2021}
}
备注
submitted at ASE 2019