論文の概要: Holistic Combination of Structural and Textual Code Information for
Context based API Recommendation
- arxiv url: http://arxiv.org/abs/2010.07514v1
- Date: Thu, 15 Oct 2020 04:40:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 04:54:13.540634
- Title: Holistic Combination of Structural and Textual Code Information for
Context based API Recommendation
- Title(参考訳): コンテキストベースAPIレコメンデーションのための構造的およびテクスチャ的コード情報の完全結合
- Authors: Chi Chen, Xin Peng, Zhenchang Xing, Jun Sun, Xin Wang, Yifan Zhao, and
Wenyun Zhao
- Abstract要約: APIRec-CST (API Recommendation by Combining Structure and Textual code information) と呼ばれる新しいAPIレコメンデーション手法を提案する。
APIRec-CSTは、API Graph NetworkとCode Token Networkをベースにしたソースコードのテキスト情報とAPI使用率を組み合わせたディープラーニングモデルである。
我々は,この手法が60.3%,81.5%,87.7%,69.4%の上位5,上位10の精度,MRRを達成し,既存のグラフベースの統計手法を著しく上回ることを示す。
- 参考スコア(独自算出の注目度): 28.74546332681778
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Context based API recommendation is an important way to help developers find
the needed APIs effectively and efficiently. For effective API recommendation,
we need not only a joint view of both structural and textual code information,
but also a holistic view of correlated API usage in control and data flow graph
as a whole. Unfortunately, existing API recommendation methods exploit
structural or textual code information separately. In this work, we propose a
novel API recommendation approach called APIRec-CST (API Recommendation by
Combining Structural and Textual code information). APIRec-CST is a deep
learning model that combines the API usage with the text information in the
source code based on an API Context Graph Network and a Code Token Network that
simultaneously learn structural and textual features for API recommendation. We
apply APIRec-CST to train a model for JDK library based on 1,914 open-source
Java projects and evaluate the accuracy and MRR (Mean Reciprocal Rank) of API
recommendation with another 6 open-source projects. The results show that our
approach achieves respectively a top-1, top-5, top-10 accuracy and MRR of
60.3%, 81.5%, 87.7% and 69.4%, and significantly outperforms an existing
graph-based statistical approach and a tree-based deep learning approach for
API recommendation. A further analysis shows that textual code information
makes sense and improves the accuracy and MRR. We also conduct a user study in
which two groups of students are asked to finish 6 programming tasks with or
without our APIRec-CST plugin. The results show that APIRec-CST can help the
students to finish the tasks faster and more accurately and the feedback on the
usability is overwhelmingly positive.
- Abstract(参考訳): コンテキストベースのAPIレコメンデーションは、開発者が必要なAPIを効果的かつ効率的に見つけるのに役立つ重要な方法である。
効果的なAPIレコメンデーションには、構造的およびテキスト的コード情報の両方のジョイントビューだけでなく、コントロールとデータフローグラフ全体における関連API使用の全体ビューも必要です。
残念ながら、既存のAPIレコメンデーションメソッドは、構造的またはテキスト的なコード情報を別々に利用する。
本研究では,APIRec-CST (API Recommendation by Combining Structure and Textual code information) と呼ばれる新しいAPIレコメンデーション手法を提案する。
APIRec-CSTは、APIの使い方と、APIコンテキストグラフネットワークとCode Token Networkに基づくソースコードのテキスト情報を組み合わせて、APIレコメンデーションのための構造的およびテキスト的機能を同時に学習するディープラーニングモデルである。
我々は、APIRec-CSTを使用して、1,914のオープンソースJavaプロジェクトに基づいてJDKライブラリのモデルをトレーニングし、別の6つのオープンソースプロジェクトでAPIレコメンデーションの正確性とMRR(Mean Reciprocal Rank)を評価する。
その結果,提案手法はトップ1,トップ5,トップ10の精度,MRRが60.3%,81.5%,87.7%,69.4%でそれぞれ達成され,既存のグラフベース統計手法とツリーベースディープラーニングアプローチのAPIレコメンデーションを著しく上回っていることがわかった。
さらなる分析により、テキストコード情報は理にかなったものであり、精度とmrrが向上する。
また,APIRec-CSTプラグインの有無に関わらず,学生の2つのグループに6つのプログラミングタスクの完了を依頼するユーザスタディも実施する。
その結果、APIRec-CSTは、学生がタスクを迅速かつ正確に完了するのに役立つことが示され、ユーザビリティに対するフィードバックは圧倒的にポジティブである。
関連論文リスト
- Compositional API Recommendation for Library-Oriented Code Generation [23.355509276291198]
我々は、粗粒度要求のためのAPIを推奨するために、"diide-and-conquer"戦略を採用するCAPIRを提案する。
RAPID(Documentationに基づく推奨API)とLOCG(Library-Oriented Code Generation)の2つの挑戦的なベンチマークを提示する。
これらのベンチマーク実験の結果,既存のベースラインと比較してCAPIRの有効性が示された。
論文 参考訳(メタデータ) (2024-02-29T18:27:27Z) - APIGen: Generative API Method Recommendation [16.541442856821]
APIGenは、拡張インコンテキスト学習(ICL)によるジェネレーティブAPIレコメンデーションアプローチである
APIGenは、語彙、構文、意味の観点から、プログラミングクエリに類似したポストを検索する。
推論プロセスにより、APIGenはクエリのプログラミング要件を満たすための推奨APIを提供する。
論文 参考訳(メタデータ) (2024-01-29T02:35:42Z) - Leveraging Large Language Models to Improve REST API Testing [51.284096009803406]
RESTGPTはAPI仕様を入力として、機械解釈可能なルールを抽出し、仕様内の自然言語記述からサンプルパラメータ値を生成する。
評価の結果、RESTGPTはルール抽出と値生成の両方において既存の技術よりも優れています。
論文 参考訳(メタデータ) (2023-12-01T19:53:23Z) - A Simple Baseline for Knowledge-Based Visual Question Answering [78.00758742784532]
本稿では,知識に基づく視覚質問応答(KB-VQA)の問題について述べる。
本論文の主な貢献は,よりシンプルで容易に再現可能なパイプラインを提案することである。
近年のアプローチとは対照的に,本手法はトレーニングフリーであり,外部データベースやAPIへのアクセスを必要とせず,OK-VQAおよびA-OK-VQAデータセット上で最先端の精度を実現する。
論文 参考訳(メタデータ) (2023-10-20T15:08:17Z) - APICom: Automatic API Completion via Prompt Learning and Adversarial
Training-based Data Augmentation [6.029137544885093]
APIレコメンデーションは、開発者が多数の候補APIの中で必要なAPIを見つけるのを支援するプロセスである。
これまでの研究では、主にAPIレコメンデーションをレコメンデーションタスクとしてモデル化していた。
ニューラルネットワーク翻訳研究領域に動機づけられたこの問題を生成タスクとしてモデル化することができる。
提案手法は,プロンプト学習に基づく新しいアプローチAPIComを提案し,そのプロンプトに応じてクエリに関連するAPIを生成する。
論文 参考訳(メタデータ) (2023-09-13T15:31:50Z) - 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) - Evaluating Embedding APIs for Information Retrieval [51.24236853841468]
ドメインの一般化と多言語検索における既存のセマンティック埋め込みAPIの機能を評価する。
BM25の結果をAPIを使って再ランク付けすることは、予算に優しいアプローチであり、英語でもっとも効果的である。
非英語検索では、再ランク付けは結果を改善するが、BM25のハイブリッドモデルは高いコストで機能する。
論文 参考訳(メタデータ) (2023-05-10T16:40:52Z) - APIContext2Com: Code Comment Generation by Incorporating Pre-Defined API
Documentation [0.0]
我々は、異なる複数のエンコーダのセットを持つセック-2-seqエンコーダ-デコーダニューラルネットワークモデルを導入し、異なる入力をターゲットコメントに変換する。
ランク付け機構も開発され,非形式的なAPIを除外して,CodeSearchNetからJavaデータセットを使用してアプローチを評価することができる。
論文 参考訳(メタデータ) (2023-03-03T00:38:01Z) - Binding Language Models in Symbolic Languages [146.3027328556881]
Binderはトレーニング不要のニューラルシンボリックフレームワークで、タスク入力をプログラムにマッピングする。
解析の段階では、Codexは元のプログラミング言語では答えられないタスク入力の一部を特定することができる。
実行段階では、CodexはAPI呼び出しで適切なプロンプトを与えられた万能機能を実行することができる。
論文 参考訳(メタデータ) (2022-10-06T12:55:17Z) - An Empirical Study on Few-shot Knowledge Probing for Pretrained Language
Models [54.74525882974022]
1ホップと2ホップの双方において、いくつかの例は、探索性能を強く向上させることができることを示す。
特に、モデル内のバイアスベクトルを微調整する単純なyet効果のアプローチが、既存のプロンプトエンジニアリング手法より優れていることが分かる。
論文 参考訳(メタデータ) (2021-09-06T23:29:36Z) - Embedding Code Contexts for Cryptographic API Suggestion:New
Methodologies and Comparisons [9.011910726620536]
APIレコメンデーションのための新しいニューラルネットワークベースのアプローチであるMulti-HyLSTMを提案する。
プログラム分析を使用して、APIの埋め込みと推奨をガイドします。
245のテストケースの分析では、商用ツールのCodotaと比較して、トップ1の推奨精度は88.98%に達した。
論文 参考訳(メタデータ) (2021-03-15T22:27:57Z)
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。