基于代码变更学习更新自然语言注释

我们提出了一种新任务：基于其所伴随的代码体变更，自动更新已有的自然语言注释。我们提出一种方法，学习关联两种不同语言表示之间的变更，生成一系列编辑操作并应用于已有注释以反映源代码修改。我们利用从开源软件项目提交历史中收集的数据集训练并评估模型，其中每个样本包含对某个方法及其对应注释的同步更新。我们使用自动指标和人工评估将我们的方法与多个基线进行比较。结果反映了该任务的挑战性，且我们的模型在编辑方面优于基线。