评估少样本与对比学习方法在代码克隆检测中的表现
软件工程
2023-11-10 v3
摘要
背景：代码克隆检测（Code Clone Detection，CCD）是一项软件工程任务，用于剽窃检测、代码搜索和代码理解。近来，基于深度学习的模型在 CodeXGLUE 基准上取得了约 95% 的 F1 分数（一种用于评估分类器的指标）。这些模型需要大量训练数据，主要在 Java 或 C++ 数据集上微调。然而，此前尚无研究评估这些模型在仅有少量标注数据可用时的泛化能力。目标：本研究的主要目标是评估 CCD 模型以及少样本学习算法在未见编程问题与新型语言（即模型未在这些问题/语言上训练过）上的能力。方法：我们通过设定三种场景——i) 未见问题，ii) 未见语言，iii) 新语言与新问题组合——来评估最先进 CCD 模型在少样本设定（即仅用少量样本微调）下的泛化能力。我们选取 BigCloneBench、POJ-104 和 CodeNet 三个数据集以及 Java、C++ 和 Ruby 语言。随后，我们采用模型无关元学习（Model Agnostic Meta-learning，MAML），使模型学习一个能从训练集中提取可迁移知识的元学习器，从而可用少量样本进行微调。最后，我们将对比学习与 MAML 结合，以进一步研究其是否能改善 MAML 的结果。
引用
@article{arxiv.2204.07501,
title = {Evaluating few shot and Contrastive learning Methods for Code Clone Detection},
author = {Mohamad Khajezade and Fatemeh Hendijani Fard and Mohamed S. Shehata},
journal= {arXiv preprint arXiv:2204.07501},
year = {2023}
}