Applying deep learning to C# call sequence synthesis

Переведенное название: Применение глубокого машинного обучения к синтезу цепочки вызовов C#

Aleksandr Evgen'evich Chebykin, Iakov Aleksandrovich Kirilenko

Результат исследований: Научные публикации в периодических изданияхстатьярецензирование

Аннотация

Большая часть стандартных для программирования задач - например, соединение с базой данных, отображение картинки, чтение файла - давно реализована в различных библиотеках и доступна через соответствующие Application Programming Interfaces (APIs). Однако чтобы воспользоваться ими, разработчик должен сначала узнать, что они существуют, а затем - как правильно с ними работать. В настоящее время Интернет кажется наилучшим и самым популярным источником подобной информации. Недавно был предложен другой подход, основанный на глубоком машинном обучении и реализованный в виде инструмента под названием DeepAPI. По описанию желаемой функциональности на английском языке он генерирует цепочку вызовов Java функций. В данной статье мы показываем, как подход может быть перенесен на другой язык программирования (C# вместо Java), на котором доступно меньше открытого кода; мы описываем техники, позволившие достичь результата, близкого к оригинальному, а также техники, которые не улучшили производительность. Наконец, чтобы облегчить будущие исследования в области, мы публикуем наши набор данных, код и обученную модель.
КЛЮЧЕВЫЕ СЛОВ
Переведенное названиеПрименение глубокого машинного обучения к синтезу цепочки вызовов C#
Язык оригиналаанглийский
Страницы (с-по)63-86
ЖурналТруды института системного программирования РАН
Том30
Номер выпуска3
СостояниеОпубликовано - 2018

Цитировать