面向神经源代码摘要的基于眼动信号的人类注意力建模

神经源代码摘要是利用神经网络生成源代码行为自然语言描述的任务。大多数神经模型的一个基本组件是注意力机制。该注意力机制学习将源代码中的特征与生成自然语言描述时所使用的特定词建立联系。人类也会更多地关注代码中的某些特征而非其他特征。这种人类注意力反映了经验与高层认知，远超当前任何神经模型的能力。在本文中，我们利用已发表的眼动追踪实验数据来构建这种人类注意力的模型。该模型预测源代码中哪些词对代码摘要最为重要。接下来，我们使用该人类注意力模型增强一个基线神经代码摘要方法。我们观察到增强方法在预测性能上的提升，与其他受生物启发的神经模型一致。