面向无监督程序翻译的语法与领域感知模型
软件工程
2023-03-13 v2 人工智能
摘要
随着软件与社会的发展，软件迁移日益受到关注。跨语言手动迁移项目容易出错且成本高昂。近年来，研究者开始利用有监督深度学习技术，从大规模平行代码语料中学习，探索自动程序翻译。然而，编程语言领域的平行资源稀缺，且人工收集双语数据代价高昂。为解决此问题，若干无监督编程翻译系统被提出。但这些系统仍依赖海量单语源代码进行训练，成本极高。此外，这些模型在翻译预训练过程中未见过的语言时表现不佳。在本文中，我们提出SDA-Trans，一种用于程序翻译的语法与领域感知模型，其利用语法结构与领域知识增强跨语言迁移能力。SDA-Trans在较小规模语料（包括Python和Java单语程序）上进行无监督训练。在Python、Java与C++间函数翻译任务上的实验结果表明，SDA-Trans优于许多大规模预训练模型，尤其对于未见语言的翻译。
引用
@article{arxiv.2302.03908,
title = {Syntax and Domain Aware Model for Unsupervised Program Translation},
author = {Fang Liu and Jia Li and Li Zhang},
journal= {arXiv preprint arXiv:2302.03908},
year = {2023}
}
备注
Accepted by International Conference on Software Engineering (ICSE-2023)