論文の概要: Evaluation of Siamese Networks for Semantic Code Search

• arxiv url: http://arxiv.org/abs/2011.01043v1
• Date: Mon, 12 Oct 2020 06:07:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 05:56:34.726219
• Title: Evaluation of Siamese Networks for Semantic Code Search
• Title（参考訳）: セマンティックコード検索のためのシームズネットワークの評価
• Authors: Raunak Sinha, Utkarsh Desai, Srikanth Tamilselvam, Senthil Mani
• Abstract要約: 我々は,シームズネットワークが,コードやテキストからリッチな情報を抽出するネットワーク上で,強力なレギュレータとして機能することを示す。 また、これらのネットワークの埋め込み空間を解析し、シームズネットワークのパワーをセマンティックコード検索に活用するための方向性を提供する。
• 参考スコア（独自算出の注目度）: 9.302773716125955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increase in the number of open repositories and discussion forums, the use of natural language for semantic code search has become increasingly common. The accuracy of the results returned by such systems, however, can be low due to 1) limited shared vocabulary between code and user query and 2) inadequate semantic understanding of user query and its relation to code syntax. Siamese networks are well suited to learning such joint relations between data, but have not been explored in the context of code search. In this work, we evaluate Siamese networks for this task by exploring multiple extraction network architectures. These networks independently process code and text descriptions before passing them to a Siamese network to learn embeddings in a common space. We experiment on two different datasets and discover that Siamese networks can act as strong regularizers on networks that extract rich information from code and text, which in turn helps achieve impressive performance on code search beating previous baselines on $2$ programming languages. We also analyze the embedding space of these networks and provide directions to fully leverage the power of Siamese networks for semantic code search.
• Abstract（参考訳）: オープンリポジトリやディスカッションフォーラムの増加に伴い、セマンティックコード検索における自然言語の使用がますます一般的になっている。 しかし、そのようなシステムによって返される結果の精度は低い可能性がある。 1)コードとユーザクエリ間の共有語彙の制限 2) ユーザクエリのセマンティック理解の不十分さとコード構文との関連性。 シームズネットワークはデータ間の結合関係を学習するのに適しているが、コード検索の文脈では研究されていない。 本研究では,複数の抽出ネットワークアーキテクチャを探索し,この課題に対するシームズネットワークの評価を行う。 これらのネットワークは、シームズネットワークに渡す前にコードとテキスト記述を独立して処理し、共通の空間における埋め込みを学習する。 2つの異なるデータセットを実験し、コードとテキストからリッチな情報を抽出するネットワーク上で、siameseネットワークが強力な正規化者として機能できることを発見した。 また、これらのネットワークの埋め込み空間を解析し、シームズネットワークのパワーをセマンティックコード検索に活用するための方向性を提供する。

関連論文リスト

• TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
  外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。 まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。 次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
  論文  参考訳（メタデータ） (2022-06-15T02:33:10Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• Learning low-rank latent mesoscale structures in networks [1.1470070927586016]
  ネットワークにおける低ランクメソスケール構造を記述するための新しい手法を提案する。 いくつかの合成ネットワークモデルと経験的友情、協調、タンパク質-タンパク質相互作用(PPI)ネットワークを使用します。 破損したネットワークから直接学習する潜在モチーフのみを用いて、破損したネットワークを認知する方法を示す。
  論文  参考訳（メタデータ） (2021-02-13T18:54:49Z)
• Feature Sharing Cooperative Network for Semantic Segmentation [10.305130700118399]
  協調学習を用いた意味セグメンテーション手法を提案する。 特徴マップを共有することにより、2つのネットワークのうちの1つが1つのネットワークで取得できない情報を得ることができる。 提案手法は従来の単一ネットワークやネットワークアンサンブルよりも高いセグメンテーション精度を実現した。
  論文  参考訳（メタデータ） (2021-01-20T00:22:00Z)
• NetReAct: Interactive Learning for Network Summarization [60.18513812680714]
  本論文では,テキストコーポラによる感覚生成のネットワーク可視化を支援する,新しいインタラクティブネットワーク要約アルゴリズムであるNetReActを提案する。 netreactが、他の非自明なベースラインよりも、隠れたパターンを明らかにする高品質な要約や視覚化の生成に成功していることを示す。
  論文  参考訳（メタデータ） (2020-12-22T03:56:26Z)
• Deep Graph Matching and Searching for Semantic Code Retrieval [76.51445515611469]
  本稿では,グラフニューラルネットワークに基づくエンドツーエンドのディープグラフマッチングと探索モデルを提案する。 まず、自然言語クエリテキストとプログラミング言語のコードスニペットをグラフ構造化データで表現する。 特に、DGMSは、個々のクエリテキストやコードスニペットのより構造的な情報をキャプチャするだけでなく、それらの微妙な類似性も学習する。
  論文  参考訳（メタデータ） (2020-10-24T14:16:50Z)
• COSEA: Convolutional Code Search with Layer-wise Attention [90.35777733464354]
  我々は、畳み込みニューラルネットワークを階層的注意で活用し、コード固有の構造論理をキャプチャする新しいディープラーニングアーキテクチャ、COSEAを提案する。 COSEAは、コード検索タスクの最先端メソッドよりも大幅に改善できる。
  論文  参考訳（メタデータ） (2020-10-19T13:53:38Z)
• A Multi-Perspective Architecture for Semantic Code Search [58.73778219645548]
  テキストマッチングのための新しい多言語間ニューラルネットワークを提案する。 CoNaLaデータセットを用いた実験により,提案したモデルでは,従来の手法よりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-05-06T04:46:11Z)
• Using word embeddings to improve the discriminability of co-occurrence text networks [0.1611401281366893]
  共起ネットワークにおける仮想リンク作成ツールとしての単語埋め込みの利用により,分類システムの品質が向上するかどうかを検討する。 その結果,Glove,Word2Vec,FastTextでは,スタイメトリータスクの識別性が向上していることがわかった。
  論文  参考訳（メタデータ） (2020-03-13T13:35:44Z)

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。