論文の概要: FACOS: Finding API Relevant Contents on Stack Overflow with Semantic and Syntactic Analysis

• arxiv url: http://arxiv.org/abs/2111.07238v1
• Date: Sun, 14 Nov 2021 04:07:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-17 11:02:40.293688
• Title: FACOS: Finding API Relevant Contents on Stack Overflow with Semantic and Syntactic Analysis
• Title（参考訳）: FACOS: セマンティックおよび構文解析によるスタックオーバーフロー上のAPI関連コンテンツ発見
• Authors: Kien Luong, Mohammad Hadi, Ferdian Thung, Fatemeh Fard, and David Lo
• Abstract要約: 本研究では,文節とコードスニペットの意味的・統語的情報を抽出する文脈特化アルゴリズムであるFACOSを開発した。 F1スコアでは、FACOSは最先端のアプローチを13.9%上回っている。
• 参考スコア（独自算出の注目度）: 6.637414972724093
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collecting API examples, usages, and mentions relevant to a specific API method over discussions on venues such as Stack Overflow is not a trivial problem. It requires efforts to correctly recognize whether the discussion refers to the API method that developers/tools are searching for. The content of the thread, which consists of both text paragraphs describing the involvement of the API method in the discussion and the code snippets containing the API invocation, may refer to the given API method. Leveraging this observation, we develop FACOS, a context-specific algorithm to capture the semantic and syntactic information of the paragraphs and code snippets in a discussion. FACOS combines a syntactic word-based score with a score from a predictive model fine-tuned from CodeBERT. FACOS beats the state-of-the-art approach by 13.9% in terms of F1-score.
• Abstract（参考訳）: Stack Overflowのような会場での議論よりも、特定のAPIメソッドに関連するAPIの例や使用状況、言及を収集することは、簡単な問題ではありません。 議論が開発者やツールが探しているAPIメソッドを指すかどうかを正しく認識するには、努力が必要である。 スレッドの内容は、議論におけるAPIメソッドの関与を記述したテキスト段落と、API呼び出しを含むコードスニペットの両方からなり、与えられたAPIメソッドを参照することができる。 この観察を活かして、議論の中でパラグラフとコードスニペットの意味的および構文的情報をキャプチャするコンテキスト固有のアルゴリズムであるfacosを開発した。 FACOSは、構文的な単語ベースのスコアと、CodeBERTから微調整された予測モデルからのスコアを組み合わせる。 facosはf1-scoreで最先端のアプローチを13.9%上回っている。

関連論文リスト

• A Systematic Evaluation of Large Code Models in API Suggestion: When, Which, and How [53.65636914757381]
  API提案は、現代のソフトウェア開発において重要なタスクである。 大規模コードモデル(LCM)の最近の進歩は、API提案タスクにおいて有望であることを示している。
  論文  参考訳（メタデータ） (2024-09-20T03:12:35Z)
• FANTAstic SEquences and Where to Find Them: Faithful and Efficient API Call Generation through State-tracked Constrained Decoding and Reranking [57.53742155914176]
  APIコール生成は、大規模言語モデルのツール使用能力の基盤となっている。 既存の教師付きおよびコンテキスト内学習アプローチは、高いトレーニングコスト、低いデータ効率、APIドキュメントとユーザの要求に反する生成APIコールに悩まされる。 本稿では,これらの制約に対処するため,FANTASEと呼ばれる出力側最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-07-18T23:44:02Z)
• A Solution-based LLM API-using Methodology for Academic Information Seeking [49.096714812902576]
  SoAyは学術情報検索のためのソリューションベースのLLM API利用方法論である。 ソリューションが事前に構築されたAPI呼び出しシーケンスである場合、推論メソッドとしてソリューションを備えたコードを使用する。 その結果、最先端のLLM APIベースのベースラインと比較して34.58-75.99%のパフォーマンス改善が見られた。
  論文  参考訳（メタデータ） (2024-05-24T02:44:14Z)
• Contextual API Completion for Unseen Repositories Using LLMs [6.518508607788089]
  本稿では,API補完タスクのためのコードリポジトリ内で,グローバルおよびローカルなコンテキスト情報を活用することで幻覚を緩和する新しい手法を提案する。 当社のアプローチは、ローカルAPI補完の最適化に重点を置いて、コード補完タスクの洗練に適合しています。 私たちのツールであるLANCEは、APIトークンの補完と会話APIの補完で、Copilotを143%、Copilotを142%上回っています。
  論文  参考訳（メタデータ） (2024-05-07T18:22:28Z)
• 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)
• Semantic Parsing for Conversational Question Answering over Knowledge Graphs [63.939700311269156]
  本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。 本稿では,2つの意味解析手法を提案し,その課題を強調した。 私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
  論文  参考訳（メタデータ） (2023-01-28T14:45:11Z)
• 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)
• 1+1>2: Programming Know-What and Know-How Knowledge Fusion, Semantic Enrichment and Coherent Application [18.03107825087115]
  APIエンティティリンクによるAPI-KGとTask-KGの融合を最初に試みる。 当社のアプローチは,API-KGとTask-KGの面レベルのAPIリンクよりも深く掘り下げています。 KGは、テキストやコードクエリによるコヒーレントなAPI/Task中心の知識検索をサポートします。
  論文  参考訳（メタデータ） (2022-06-26T01:22:02Z)
• On the Effectiveness of Pretrained Models for API Learning [8.788509467038743]
  開発者は、Excelファイルのパース、行ごとのテキストファイルの読み書きなど、特定の機能を実装するためにAPIを使うことが多い。 開発者は、より高速でクリーンな方法でアプリケーションを構築するために、自然言語クエリに基づいた自動API使用シーケンス生成の恩恵を受けることができる。 既存のアプローチでは、クエリが与えられたAPIシーケンスの検索や、RNNベースのエンコーダデコーダを使用してAPIシーケンスを生成するために、情報検索モデルを使用している。
  論文  参考訳（メタデータ） (2022-04-05T20:33:24Z)
• Context Dependent Semantic Parsing: A Survey [56.69006903481575]
  意味解析は、自然言語の発話を機械可読な意味表現に変換するタスクである。 現在、ほとんどの意味解析手法は文脈情報を利用することができない。 この問題に対処するため、コンテキスト依存のセマンティック解析が最近多くの注目を集めている。
  論文  参考訳（メタデータ） (2020-11-02T07:51:05Z)

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。