单一模型是否足够？MuCoS：一种用于语义代码搜索的多模型集成学习架构
软件工程
2021-07-14 v2 机器学习
摘要
近来，深度学习方法已成为代码搜索的主流，因其更善于捕获代码片段与搜索查询之间的语义关联且性能可观。然而，代码片段具有来自不同维度的多样信息，如业务逻辑、特定算法和硬件通信，因此单一代码表示模块难以覆盖所有视角。另一方面，由于特定查询可能聚焦于一个或多个视角，单一查询表示模块难以表征不同的用户意图。本文中，我们提出 MuCoS，一种用于语义代码搜索的多模型集成学习架构。它组合若干个体学习器，每个学习器强调代码片段的特定视角。我们在包含代码信息不同视角的不同数据集上训练个体学习器，并使用数据增强策略获取这些不同数据集。随后我们对学习器进行集成以捕获代码片段的综合特征。
引用
@article{arxiv.2107.04773,
title = {Is a Single Model Enough? MuCoS: A Multi-Model Ensemble Learning for Semantic Code Search},
author = {Lun Du and Xiaozhou Shi and Yanlin Wang and Ensheng Shi and Shi Han and Dongmei Zhang},
journal= {arXiv preprint arXiv:2107.04773},
year = {2021}
}
备注
5 pages