用于子程序神经源代码摘要的集成模型

子程序的源代码摘要是对该子程序的简要描述。摘要构成了程序员所使用的大部分文档的基础，例如JavaDocs中的方法摘要。源代码摘要化就是编写这些摘要的任务。目前，大多数最先进的代码摘要化方法都是基于神经网络的解决方案，类似于seq2seq、graph2seq以及其他编码器-解码器架构。编码器的输入是源代码，而解码器则帮助预测自然语言摘要。虽然这些模型在结构上趋于相似，但越来越多的证据表明，不同的模型对预测质量的贡献不同——模型性能的差异在整个数据集上是正交且互补的，而非均匀的。在本文中，我们探索了不同神经代码摘要化方法的正交特性，并提出了集成模型以利用这种正交性来获得更好的整体性能。我们证明，一个简单的集成策略可将性能提升高达14.8%，并对此提升提供了解释。本工作的启示是，对大多数神经代码摘要化技术的推理过程进行相对较小的改变，即可带来预测质量的显著提升。