論文の概要: A Survey on Natural Language Processing for Programming

• arxiv url: http://arxiv.org/abs/2212.05773v2
• Date: Sun, 6 Aug 2023 02:10:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-09 00:28:02.732643
• Title: A Survey on Natural Language Processing for Programming
• Title（参考訳）: プログラミングのための自然言語処理に関する調査
• Authors: Qingfu Zhu, Xianzhen Luo, Fang Liu, Cuiyun Gao, Wanxiang Che
• Abstract要約: プログラミングのための自然言語処理は、NLP技術を用いてプログラミングを支援することを目的としている。 構造に基づく表現と機能指向のアルゴリズムは、プログラムの理解と生成の中心にある。
• 参考スコア（独自算出の注目度）: 42.850340313115765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Natural language processing for programming aims to use NLP techniques to assist programming. It is increasingly prevalent for its effectiveness in improving productivity. Distinct from natural language, a programming language is highly structured and functional. Constructing a structure-based representation and a functionality-oriented algorithm is at the heart of program understanding and generation. In this paper, we conduct a systematic review covering tasks, datasets, evaluation methods, techniques, and models from the perspective of the structure-based and functionality-oriented property, aiming to understand the role of the two properties in each component. Based on the analysis, we illustrate unexplored areas and suggest potential directions for future work.
• Abstract（参考訳）: 自然言語処理は、NLP技術を用いてプログラミングを支援することを目的としている。 生産性を向上させる効果がますます高まっている。 自然言語とは違い、プログラミング言語は高度に構造化され機能する。 構造に基づく表現と機能指向アルゴリズムの構築は、プログラムの理解と生成の核心にある。 本稿では,課題,データセット,評価手法,手法,モデルについて,構造的および機能的特性の観点から,各コンポーネントにおける2つの特性の役割を理解することを目的とした体系的レビューを行う。 分析の結果,未探索領域を示し,今後の課題の方向性を示唆する。

関連論文リスト

• Deep Learning and Machine Learning, Advancing Big Data Analytics and Management: Object-Oriented Programming [17.62426370778165]
  オブジェクト指向プログラミング(OOP)は、現代のソフトウェアシステムの複雑さの増大を管理するための重要なパラダイムになっています。 この作業は、これらのドメイン内でOOP技術を統合するための包括的な紹介を提供する。 機械学習システムの構造と効率を高めるために,設計パターンとモジュールプログラミングをどのように利用することができるかを検討する。
  論文  参考訳（メタデータ） (2024-09-30T03:37:10Z)
• Natural Language Processing for Requirements Traceability [47.93107382627423]
  トレーサビリティは、特に安全クリティカルなシステムにおいて、要件とソフトウェアエンジニアリングにおいて重要な役割を果たす。 自然言語処理(NLP)とその関連技術は、過去10年間に大きく進歩してきた。
  論文  参考訳（メタデータ） (2024-05-17T15:17:00Z)
• Engineering A Large Language Model From Scratch [0.0]
  AtinukeはTransformerベースのニューラルネットワークで、さまざまな言語タスクのパフォーマンスを最適化する。 特徴を抽出し、複雑なマッピングを学習することで、人間のような言語をエミュレートすることができる。 システムは、解釈可能で堅牢なまま、自然言語タスクの最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-01-30T04:29:48Z)
• Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
  本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。 この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
  論文  参考訳（メタデータ） (2023-07-10T11:29:41Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
  LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。 最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
  論文  参考訳（メタデータ） (2021-06-18T15:08:47Z)
• How could Neural Networks understand Programs? [67.4217527949013]
  ソースコードにnlpプリトレーニング技術を直接適用するか、あるいはtheshelfによってモデルに機能を追加するかで、プログラムをより理解するためのモデルを構築するのは難しい。 本研究では,(1)操作セマンティクスの基本操作とよく一致する表現と(2)環境遷移の情報からなる情報から,モデルが学ぶべき新しいプログラムセマンティクス学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2021-05-10T12:21:42Z)
• Natural Language Processing Advancements By Deep Learning: A Survey [0.755972004983746]
  この調査は、ディープラーニングの恩恵を受けたNLPのさまざまな側面と応用を分類し、対処する。 コアNLPタスクとアプリケーションをカバーするもので、深層学習手法とモデルがどのようにこれらの領域を前進させるかを記述している。
  論文  参考訳（メタデータ） (2020-03-02T21:32:05Z)

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。