Fugu-MT 論文翻訳(概要): Recommending Analogical APIs via Knowledge Graph Embedding

論文の概要: Recommending Analogical APIs via Knowledge Graph Embedding

arxiv url: http://arxiv.org/abs/2308.11422v1
Date: Tue, 22 Aug 2023 13:12:13 GMT
ステータス: 処理完了
システム内更新日: 2023-10-23 13:08:22.642755
Title: Recommending Analogical APIs via Knowledge Graph Embedding
Title（参考訳）: ナレッジグラフ埋め込みによるアナロジーapiの推奨
Authors: Mingwei Liu, Yanjun Yang, Yiling Lou, Xin Peng, Zhong Zhou, Xueying Du, Tianyong Yang
Abstract要約: 私たちは35,773のJavaライブラリ向けにKGE4ARの統一APIKGを構築し、それを2つのAPIレコメンデーションシナリオで評価します。以上の結果から,KGE4ARは,すべての指標において,最先端のドキュメンテーションベース技術を大幅に上回っていることがわかった。
参考スコア（独自算出の注目度）: 10.131362518700403
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Library migration, which re-implements the same software behavior by using a different library instead of using the current one, has been widely observed in software evolution. One essential part of library migration is to find an analogical API that could provide the same functionality as current ones. However, given the large number of libraries/APIs, manually finding an analogical API could be very time-consuming and error-prone. Researchers have developed multiple automated analogical API recommendation techniques. Documentation-based methods have particularly attracted significant interest. Despite their potential, these methods have limitations, such as a lack of comprehensive semantic understanding in documentation and scalability challenges. In this work, we propose KGE4AR, a novel documentation-based approach that leverages knowledge graph (KG) embedding to recommend analogical APIs during library migration. Specifically, KGE4AR proposes a novel unified API KG to comprehensively and structurally represent three types of knowledge in documentation, which can better capture the high-level semantics. Moreover, KGE4AR then proposes to embed the unified API KG into vectors, enabling more effective and scalable similarity calculation. We build KGE4AR' s unified API KG for 35,773 Java libraries and assess it in two API recommendation scenarios: with and without target libraries. Our results show that KGE4AR substantially outperforms state-of-the-art documentation-based techniques in both evaluation scenarios in terms of all metrics (e.g., 47.1%-143.0% and 11.7%-80.6% MRR improvements in each scenario). Additionally, we explore KGE4AR' s scalability, confirming its effective scaling with the growing number of libraries.
Abstract（参考訳）: ライブラリマイグレーションは,現在のライブラリではなく,別のライブラリを使用して同じソフトウェア動作を再実装するものだ。ライブラリ移行の重要な部分のひとつは、現在のものと同じ機能を提供するアナログAPIを見つけることだ。しかし、多数のライブラリ/APIを考えると、手動で類似APIを見つけるのは非常に時間がかかり、エラーが発生しやすい。研究者は複数の自動アナログAPIレコメンデーション技術を開発した。文書ベースの手法は特に大きな関心を集めている。その可能性にもかかわらず、これらの手法にはドキュメントやスケーラビリティの課題に対する包括的なセマンティック理解の欠如のような制限がある。本稿では,KGE4ARを提案する。KGE4ARは知識グラフ(KG)の埋め込みを活用し,ライブラリ移行時に類似APIを推奨する新しいドキュメントベースのアプローチである。具体的には、kge4arはドキュメント内の3つのタイプの知識を包括的かつ構造的に表現する、新しい統一api kgを提案する。さらに、KGE4ARは統合されたAPI KGをベクトルに埋め込むことを提案し、より効率的でスケーラブルな類似性計算を可能にした。私たちは35,773のJavaライブラリに対してKGE4ARの統一APIKGを構築し、ターゲットライブラリと非対象ライブラリという2つのAPIレコメンデーションシナリオで評価します。その結果、KGE4ARは、すべての指標(例:47.1%-143.0%と11.7%-80.6%のMRR改善)において、両方の評価シナリオにおいて、最先端のドキュメンテーションベースの技術を大幅に上回っていることがわかった。さらに,kge4arのsスケーラビリティについても検討し,ライブラリ数の増加に伴うスケーリングの有効性を確認した。

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)
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)
Lightweight Syntactic API Usage Analysis with UCov [0.0]
本稿では,ライブラリメンテナのAPIによるインタラクション理解を支援するための,新しい概念フレームワークを提案する。これらのカスタマイズ可能なモデルにより、ライブラリメンテナはリリース前に設計を改善することができ、進化中の摩擦を減らすことができる。我々は,これらのモデルを新しいツールUCovに実装し,多様なインタラクションスタイルを示す3つのライブラリ上でその能力を実証する。
論文参考訳（メタデータ） (2024-02-19T10:33:41Z)
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 Deep Learning for Abstractive Code Summarization of Unofficial Documentation [1.1816942730023887]
本稿では,StackOverflowで議論されているAPIの要約を生成するために,BARTアルゴリズムを用いた自動アプローチを提案する。 ROUGEとBLEUのメトリクスを用いて,人間生成サマリーのオラクルを構築し,それに対するアプローチを評価した。その結果, ディープラーニングアルゴリズムを用いることで, 要約の質が向上し, 精度が平均で57パーセント向上することが示唆された。
論文参考訳（メタデータ） (2023-10-23T15:10:37Z)
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)
torchgfn: A PyTorch GFlowNet library [56.071033896777784]
torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
論文参考訳（メタデータ） (2023-05-24T00:20:59Z)
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)
SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文参考訳（メタデータ） (2023-04-21T10:00:22Z)
Holistic Combination of Structural and Textual Code Information for Context based API Recommendation [28.74546332681778]
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。
論文参考訳（メタデータ） (2020-10-15T04:40:42Z)
Captum: A unified and generic model interpretability library for PyTorch [49.72749684393332]
我々は,PyTorch用の新しい,統一されたオープンソースモデル解釈可能性ライブラリを紹介する。このライブラリには、多くの勾配と摂動に基づく属性アルゴリズムの汎用的な実装が含まれている。分類モデルと非分類モデルの両方に使用できる。
論文参考訳（メタデータ） (2020-09-16T18:57:57Z)

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。