基于变量角色的特征增强在代码神经模型中的影响研究
机器学习
2023-03-14 v2 编程语言
软件工程
摘要
尽管深度神经模型大幅降低了特征工程的开销，但输入中易得的特征可能显著影响训练成本与模型性能。本文探讨基于变量角色的无监督特征增强方法对代码神经模型性能的影响。变量角色的概念（如 Sajaniemi 等人 [参考文献 1,2] 所引入）已被发现有助于学生的编程能力。本文研究该概念是否能提升代码神经模型的性能。据我们所知，这是首个研究 Sajaniemi 等人的变量角色概念如何影响代码神经模型的工作。具体地，我们通过为数据集程序中的各个变量添加角色来丰富源代码数据集，从而开展变量角色增强在 Code2Seq 模型训练中所产生影响的研究。此外，我们阐明了神经代码智能模型特征增强中的一些挑战与机遇。
引用
@article{arxiv.2303.04942,
title = {A Study of Variable-Role-based Feature Enrichment in Neural Models of Code},
author = {Aftab Hussain and Md Rafiqul Islam Rabin and Bowen Xu and David Lo and Mohammad Amin Alipour},
journal= {arXiv preprint arXiv:2303.04942},
year = {2023}
}
备注
Accepted in the 1st International Workshop on Interpretability and Robustness in Neural Software Engineering (InteNSE'23), Co-located with ICSE