面向多模态自动代码审查的对比学习
软件工程
2022-05-31 v1
摘要
自动代码审查(ACR)旨在减轻人工检查成本,是软件工程中不可或缺且至关重要的任务。现有工作仅利用源代码片段来预测结果,忽略了对开发者评论的利用。因此,我们为多模态ACR任务提出了一个多模态Apache自动代码审查数据集(MACR)。该数据集的发布将推动该领域的研究。在此基础上,我们提出了一种基于对比学习的多模态网络(CLMN)来处理多模态ACR任务。具体而言,我们的模型由一个代码编码模块和一个文本编码模块组成。对于每个模块,我们使用dropout操作作为最小数据增强。然后,采用对比学习方法来预训练模块参数。最后,我们结合两个编码器对CLMN进行微调,以决定多模态ACR的结果。在MACR数据集上的实验结果表明,我们提出的模型优于最先进的方法。
引用
@article{arxiv.2205.14289,
title = {Contrastive Learning for Multi-Modal Automatic Code Review},
author = {Bingting Wu and Xiaofang Zhang},
journal= {arXiv preprint arXiv:2205.14289},
year = {2022}
}
备注
6 pages