基于噪声鲁棒学习的软件实体识别
软件工程
2023-08-22 v1 计算与语言
摘要
从自由文本中识别库名等软件实体，对实现诸多软件工程（SE）技术（如可追溯链接恢复、自动化文档与 API 推荐）至关重要。尽管已提出许多方法解决此问题，它们受限于较小的实体词表或含噪训练数据，阻碍了其从复杂叙述中识别软件实体的能力。为应对该挑战，我们利用 Wikipedia 分类体系开发了包含 12 种细粒度类型、79K 个唯一软件实体的综合实体词典，以及逾 170 万句的大规模标注数据集。进而，我们提出自正则化这一噪声鲁棒学习方法，通过考虑大量 dropout 来训练我们的软件实体识别（SER）模型。结果表明，经自正则化训练的模型在我们的 Wikipedia 基准与两个 Stack Overflow 基准上均优于其原始对应模型与最先进方法。我们发布了模型、数据与代码以供未来研究。
引用
@article{arxiv.2308.10564,
title = {Software Entity Recognition with Noise-Robust Learning},
author = {Tai Nguyen and Yifeng Di and Joohan Lee and Muhao Chen and Tianyi Zhang},
journal= {arXiv preprint arXiv:2308.10564},
year = {2023}
}
备注
ASE 2023