程序神经嵌入中语法与语义表示的比较
软件工程
2020-01-28 v1 机器学习
摘要
在过去的几年中，用于程序合成与理解的神经方法已广泛扩散；与此同时，基于图的神经网络已成为一种有前景的新工具。本工作旨在成为首个实证研究，比较自然语言模型与基于静态分析图的模型在深度学习系统中表示程序的有效性。它比较了在程序嵌入任务中使用不同图表示的图卷积网络。结果表明，控制流图的稀疏性以及图卷积网络的隐式聚合导致这些模型的表现劣于朴素模型。因此，它得出结论：由于形式化性质微妙的本质为图卷积网络引入的噪声多于结构，仅用形式化信息增强纯粹语言或统计模型并不能取得良好表现。
引用
@article{arxiv.2001.09201,
title = {Comparison of Syntactic and Semantic Representations of Programs in Neural Embeddings},
author = {Austin P. Wright and Herbert Wiklicky},
journal= {arXiv preprint arXiv:2001.09201},
year = {2020}
}
备注
54 Pages, Imperial College London Masters Thesis