論文の概要: Req2Lib: A Semantic Neural Model for Software Library Recommendation
- arxiv url: http://arxiv.org/abs/2005.11757v1
- Date: Sun, 24 May 2020 14:37:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 14:09:31.713187
- Title: Req2Lib: A Semantic Neural Model for Software Library Recommendation
- Title(参考訳): req2lib: ソフトウェアライブラリ推奨のためのセマンティックニューラルモデル
- Authors: Zhensu Sun, Yan Liu, Ziming Cheng, Chen Yang, Pengyu Che
- Abstract要約: 我々はReq2Libと呼ばれる新しいニューラルアプローチを提案し、プロジェクトの要件を記述したライブラリを推奨する。
本研究では,自然言語における要求記述の関連情報と意味情報の学習にシーケンス・ツー・シーケンスモデルを用いる。
我々の予備評価は、Req2Libがライブラリを正確に推奨できることを示しています。
- 参考スコア(独自算出の注目度): 8.713783358744166
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Third-party libraries are crucial to the development of software projects. To
get suitable libraries, developers need to search through millions of libraries
by filtering, evaluating, and comparing. The vast number of libraries places a
barrier for programmers to locate appropriate ones. To help developers,
researchers have proposed automated approaches to recommend libraries based on
library usage pattern. However, these prior studies can not sufficiently match
user requirements and suffer from cold-start problem. In this work, we would
like to make recommendations based on requirement descriptions to avoid these
problems. To this end, we propose a novel neural approach called Req2Lib which
recommends libraries given descriptions of the project requirement. We use a
Sequence-to-Sequence model to learn the library linked-usage information and
semantic information of requirement descriptions in natural language. Besides,
we apply a domain-specific pre-trained word2vec model for word embedding, which
is trained over textual corpus from Stack Overflow posts. In the experiment, we
train and evaluate the model with data from 5,625 java projects. Our
preliminary evaluation demonstrates that Req2Lib can recommend libraries
accurately.
- Abstract(参考訳): サードパーティのライブラリは、ソフトウェアプロジェクトの開発に不可欠である。
適切なライブラリを得るためには、開発者はフィルタリング、評価、比較によって何百万ものライブラリを検索する必要がある。
膨大な数のライブラリは、プログラマが適切なライブラリを見つけるための障壁となる。
開発者を支援するため、研究者はライブラリの使用パターンに基づいたライブラリを推奨する自動アプローチを提案した。
しかし、これらの先行研究はユーザー要求に十分適合せず、コールドスタート問題に悩まされる。
この作業では、これらの問題を避けるために、要件記述に基づいたレコメンデーションを行いたいと思います。
この目的のために、我々はReq2Libと呼ばれる新しいニューラルアプローチを提案し、プロジェクトの要件を記述したライブラリを推奨する。
自然言語における要件記述の連結利用情報と意味情報を学ぶためにシーケンス・ツー・シーケンスモデルを用いる。
さらに、ドメイン固有の事前学習されたword2vecモデルを単語埋め込みに適用し、stack overflowポストからテキストコーパスでトレーニングする。
実験では,5,625のjavaプロジェクトのデータを用いてモデルをトレーニングし,評価する。
我々の予備評価は、Req2Libがライブラリを正確に推奨できることを示しています。
関連論文リスト
- ReChorus2.0: A Modular and Task-Flexible Recommendation Library [31.28528661684178]
ReChorusは、レコメンデーション研究者のためのモジュール的でタスクフレキシブルなライブラリである。
ReChorusは、より多くのデータ型でよりレコメンデーションタスクを実現するのに役立つ。
論文 参考訳(メタデータ) (2024-05-28T11:14:15Z) - Private-Library-Oriented Code Generation with Large Language Models [52.73999698194344]
本稿では,大規模言語モデル(LLM)をプライベートライブラリのコード生成に活用することに焦点を当てる。
プログラマがプライベートコードを書く過程をエミュレートする新しいフレームワークを提案する。
TorchDataEval、TorchDataComplexEval、MonkeyEval、BeatNumEvalの4つのプライベートライブラリベンチマークを作成しました。
論文 参考訳(メタデータ) (2023-07-28T07:43:13Z) - AndroLibZoo: A Reliable Dataset of Libraries Based on Software
Dependency Analysis [6.342380566583581]
そこで我々は,AndroLibZooというデータセットの形式で,高精度かつ最新のサードパーティライブラリセットを生成するための自動アプローチを提案する。
私たちのデータセットはコミュニティで利用でき、現在34の813のライブラリが含まれており、進化を意図しています。
論文 参考訳(メタデータ) (2023-07-24T08:36:38Z) - torchgfn: A PyTorch GFlowNet library [56.071033896777784]
torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。
環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
論文 参考訳(メタデータ) (2023-05-24T00:20:59Z) - SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。
それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。
私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文 参考訳(メタデータ) (2023-04-21T10:00:22Z) - An Empirical Study of Library Usage and Dependency in Deep Learning
Frameworks [12.624032509149869]
ピトルチ、カフェ、シキットルンはプロジェクトの18%と14%で最も頻度の高い組み合わせである。
開発者は同じプロジェクトで2つか3つのdlライブラリを使用し、同じ関数と同じファイルの両方で異なる複数のdlライブラリを使用する傾向がある。
論文 参考訳(メタデータ) (2022-11-28T19:31:56Z) - Code Librarian: A Software Package Recommendation System [65.05559087332347]
オープンソースライブラリ用のリコメンデーションエンジンであるLibrarianを提示する。
1)プログラムのインポートライブラリで頻繁に使用されること、2)プログラムのインポートライブラリと似た機能を持つこと、3)開発者の実装と似た機能を持つこと、4)提供されるコードのコンテキストで効率的に使用できること、である。
論文 参考訳(メタデータ) (2022-10-11T12:30:05Z) - Lib-SibGMU -- A University Library Circulation Dataset for Recommender
Systems Developmen [58.720142291102135]
大学図書館の循環データセットLib-SibGMUをオープンソースとして公開しました。
ベクタライザからなるレコメンデータアーキテクチャでは,ベクタライザとしてfastTextモデルを使用することで,ベクタライザの競合的な結果が得られることを示す。
論文 参考訳(メタデータ) (2022-08-25T22:10:18Z) - SacreROUGE: An Open-Source Library for Using and Developing
Summarization Evaluation Metrics [74.28810048824519]
SacreROUGEは、要約評価メトリクスの使用と開発のためのオープンソースライブラリである。
このライブラリは、既存の評価メトリクスの公式実装に関するPythonラッパーを提供する。
ライブラリに実装されたメトリックが、人間による注釈付き判断とどの程度の相関があるかを評価する機能を提供する。
論文 参考訳(メタデータ) (2020-07-10T13:26:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。