Code Attention：利用领域特征将代码翻译为注释
人工智能
2017-11-28 v2 计算与语言
摘要
恰当的代码片段注释提供了对代码功能的深入理解，有助于程序理解。然而，由于编写注释的成本很高，许多代码项目并未包含充足的注释。人们已经提出了自动注释生成技术，从代码片段生成注释，以减轻人工标注代码的工作量。现有的大多数方法试图利用代码与生成注释之间的某些相关性（通常是人工给定的），如果编码模式发生改变，这种相关性很容易被破坏，从而导致注释生成的性能下降。在本文中，我们首先构建了C2CGit，一个来自GitHub开源项目的大型数据集，其规模比现有数据集大20以上。然后，我们提出了一种名为Code Attention的新型注意力模块，用于将代码翻译为注释，该模块能够利用代码片段的领域特征，如符号和标识符。我们进行了消融研究，以确定Code Attention中不同部分的影响。实验结果表明，所提出的模块在BLEU和METEOR上均优于现有方法。
引用
@article{arxiv.1709.07642,
title = {Code Attention: Translating Code to Comments by Exploiting Domain Features},
author = {Wenhao Zheng and Hong-Yu Zhou and Ming Li and Jianxin Wu},
journal= {arXiv preprint arXiv:1709.07642},
year = {2017}
}