論文の概要: Neural Program Repair: Systems, Challenges and Solutions

• arxiv url: http://arxiv.org/abs/2202.10868v2
• Date: Wed, 21 Sep 2022 12:58:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-24 06:11:21.922044
• Title: Neural Program Repair: Systems, Challenges and Solutions
• Title（参考訳）: ニューラルプログラムの修復:システム,課題,解決策
• Authors: Wenkang Zhong and Chuanyi Li and Jidong Ge and Bin Luo
• Abstract要約: 自動プログラム修復(APR)は、ソースコードのバグを自動的に修正することを目的としている。 近年,ニューラルプログラム修復(NPR)研究が盛んである。 NPRアプローチは、仕様を必要としないため、適用性に大きな利点があります。
• 参考スコア（独自算出の注目度）: 20.776565589340265
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated Program Repair (APR) aims to automatically fix bugs in the source code. Recently, as advances in Deep Learning (DL) field, there is a rise of Neural Program Repair (NPR) studies, which formulate APR as a translation task from buggy code to correct code and adopt neural networks based on encoder-decoder architecture. Compared with other APR techniques, NPR approaches have a great advantage in applicability because they do not need any specification (i.e., a test suite). Although NPR has been a hot research direction, there isn't any overview on this field yet. In order to help interested readers understand architectures, challenges and corresponding solutions of existing NPR systems, we conduct a literature review on latest studies in this paper. We begin with introducing the background knowledge on this field. Next, to be understandable, we decompose the NPR procedure into a series of modules and explicate various design choices on each module. Furthermore, we identify several challenges and discuss the effect of existing solutions. Finally, we conclude and provide some promising directions for future research.
• Abstract（参考訳）: 自動プログラム修復(APR)は、ソースコードのバグを自動的に修正することを目的としている。 近年、ディープラーニング(dl)分野の進歩に伴い、aprをバギーコードからコード修正への翻訳タスクとして定式化し、エンコーダ-デコーダアーキテクチャに基づくニューラルネットワークを採用するニューラルプログラム修復(npr)研究が増えている。 他のAPR技術と比較して、NPRのアプローチは、いかなる仕様(テストスイート)も必要としないため、適用性に大きな利点がある。 NPRは熱い研究方向だったが、まだその分野の概要は明らかになっていない。 本稿では,既存のNPRシステムのアーキテクチャ,課題,およびそれに対応するソリューションを理解するために,最新の研究に関する文献レビューを行う。 この分野での背景知識の導入から始めます。 次に、理解できるように、npr手順を一連のモジュールに分解し、各モジュールに様々な設計選択を説明します。 さらに,いくつかの課題を特定し,既存ソリューションの効果について考察する。 最後に,今後の研究に期待できる方向性について述べる。

関連論文リスト

• A Survey on Automated Program Repair Techniques [19.8878105453369]
  本稿では,検索ベース,制約ベース,テンプレートベース,学習ベースという4つの異なるAPRパッチ生成方式を紹介する。 本稿では,それぞれのAPRツールをレビュー・比較するための一貫した基準セットを提案し,その利点とデメリットを要約し,APR開発の現状について議論する。
  論文  参考訳（メタデータ） (2023-03-31T16:28:37Z)
• Visual Place Recognition: A Tutorial [40.576083932383895]
  本論文は視覚的位置認識に関する最初のチュートリアル論文である。 これは、VPR問題の定式化、汎用的なアルゴリズムパイプライン、VPRアプローチの評価方法などのトピックをカバーしている。 Pythonの実践的なコード例は、VPRの実装と評価について、将来的な実践者や研究者に示している。
  論文  参考訳（メタデータ） (2023-03-06T16:52:11Z)
• A Survey of Learning-based Automated Program Repair [12.09968472868107]
  自動プログラム修復(APR)は、ソフトウェアバグを自動修正することを目的としており、ソフトウェア開発とメンテナンスにおいて重要な役割を果たす。 近年のディープラーニング(DL)の進歩により、ニューラルネットワークを活用して大規模なオープンソースコードリポジトリからバグフィックスパターンを学ぶためのAPR技術が増えている。 本稿では,学習型APRコミュニティにおける最先端研究を要約するために,体系的な調査を行う。
  論文  参考訳（メタデータ） (2023-01-09T11:08:15Z)
• Neural Retriever and Go Beyond: A Thesis Proposal [1.082365064737981]
  Information Retriever (IR) は、あるクエリに関連するドキュメントを大規模に検索することを目的としている。 最近のニューラルベースアルゴリズム(ニューラルレトリバーと呼ばれる)は、従来の手法の限界を緩和できるほど注目を集めている。
  論文  参考訳（メタデータ） (2022-05-31T17:59:30Z)
• GNN is a Counter? Revisiting GNN for Question Answering [105.8253992750951]
  State-of-the-art Question Answering (QA)システムは通常、LMに符号化された知識にアクセスするために、訓練済み言語モデル(LM)を使用する。 知識グラフ(KG)の推論を行うグラフニューラルネットワーク(GNN)に基づく精巧に設計されたモジュール 我々の研究は、既存の知識を意識したGNNモジュールがカウントなどの単純な理由のみを実行することを明らかにしている。
  論文  参考訳（メタデータ） (2021-10-07T05:44:52Z)
• Graph Neural Networks for Natural Language Processing: A Survey [64.36633422999905]
  本稿では,自然言語処理のためのグラフニューラルネットワーク(GNN)について概観する。 我々は,グラフ構築,グラフ表現学習,グラフベースエンコーダ・デコーダモデルという3つの軸に沿って,NLP用GNNの既存の研究を組織する,NLP用GNNの新しい分類法を提案する。
  論文  参考訳（メタデータ） (2021-06-10T23:59:26Z)
• CURE: Code-Aware Neural Machine Translation for Automatic Program Repair [11.556110575946631]
  提案するCUREは,3つの新奇性を持つ新しいNMTベースのAPR手法である。 CUREは、APRタスクの前に開発者ライクなソースコードを学ぶために、大きなソフトウェア上でプログラミング言語(PL)モデルを事前にトレーニングします。 第2に、curyは、バギーコードに近いコンパイル可能なパッチとパッチに注目して、より正確な修正を見つける新しいコードアウェア検索戦略をデザインする。
  論文  参考訳（メタデータ） (2021-02-26T22:30:28Z)
• Retrieving and Reading: A Comprehensive Survey on Open-domain Question Answering [62.88322725956294]
  OpenQAの最近の研究動向を概観し、特にニューラルMSC技術を導入したシステムに注目した。 Retriever-Reader' と呼ばれる最新の OpenQA アーキテクチャを導入し、このアーキテクチャに従うさまざまなシステムを分析します。 次に、OpenQAシステムの開発における主要な課題について議論し、一般的に使用されるベンチマークの分析を提供する。
  論文  参考訳（メタデータ） (2021-01-04T04:47:46Z)
• Learning by Fixing: Solving Math Word Problems with Weak Supervision [70.62896781438694]
  数学用語問題(mwps)の従来のニューラルネットワークソルバは、完全な監視によって学習され、多様なソリューションを生み出すことができない。 MWPを学習するためのテキスト弱教師付きパラダイムを提案する。 この手法は最終回答のアノテーションのみを必要とし、単一の問題に対して様々な解決策を生成できる。
  論文  参考訳（メタデータ） (2020-12-19T03:10:21Z)
• Question Answering over Knowledge Bases by Leveraging Semantic Parsing and Neuro-Symbolic Reasoning [73.00049753292316]
  本稿では,意味解析と推論に基づくニューロシンボリック質問回答システムを提案する。 NSQAはQALD-9とLC-QuAD 1.0で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-12-03T05:17:55Z)
• Boosting Deep Neural Networks with Geometrical Prior Knowledge: A Survey [77.99182201815763]
  ディープニューラルネットワーク(DNN)は多くの異なる問題設定において最先端の結果を達成する。 DNNはしばしばブラックボックスシステムとして扱われ、評価と検証が複雑になる。 コンピュータビジョンタスクにおける畳み込みニューラルネットワーク(CNN)の成功に触発された、有望な分野のひとつは、対称幾何学的変換に関する知識を取り入れることである。
  論文  参考訳（メタデータ） (2020-06-30T14:56:05Z)

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。