論文の概要: Revolutionizing API Documentation through Summarization

• arxiv url: http://arxiv.org/abs/2401.11361v1
• Date: Sun, 21 Jan 2024 01:18:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-23 16:56:29.417971
• Title: Revolutionizing API Documentation through Summarization
• Title（参考訳）: 要約によるAPIドキュメンテーションの革命
• Authors: AmirHossein Naghshzan, Sylvie Ratte
• Abstract要約: APIドキュメンテーションは長く、ナビゲートが難しいため、Stack Overflowのような非公式なソースを探す必要がある。 BERTopicと抽出要約を用いて,簡潔で情報性の高いAPI要約を自動的に生成する。 これらの要約には、Stack Overflowに関する豊富な知識から得られた、一般的な使用法、一般的な開発者問題、潜在的なソリューションといった重要な洞察が含まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study tackles the challenges associated with interpreting Application Programming Interface (API) documentation, an integral aspect of software development. Official API documentation, while essential, can be lengthy and challenging to navigate, prompting developers to seek unofficial sources such as Stack Overflow. Leveraging the vast user-generated content on Stack Overflow, including code snippets and discussions, we employ BERTopic and extractive summarization to automatically generate concise and informative API summaries. These summaries encompass key insights like general usage, common developer issues, and potential solutions, sourced from the wealth of knowledge on Stack Overflow. Software developers evaluate these summaries for performance, coherence, and interoperability, providing valuable feedback on the practicality of our approach.
• Abstract（参考訳）: この研究は、ソフトウェア開発の不可欠な側面であるアプリケーションプログラミングインタフェース(API)のドキュメンテーションの解釈に関わる課題に取り組む。 公式のapiドキュメンテーションは必須ではあるが、ナビゲートが難しく、stack overflowのような非公式なソースを開発者に提供する。 コードスニペットや議論を含むstack overflowの膨大なユーザ生成コンテンツを活用することで,bertopicおよびextractive summarizationを使用して,簡潔で有益なapiサマリーを自動的に生成します。 これらの要約には一般的な利用方法、一般的な開発者の問題、stack overflowの豊富な知識から得られた潜在的なソリューションなど、重要な洞察が含まれている。 ソフトウェア開発者はこれらの要約をパフォーマンス、一貫性、相互運用性を評価し、我々のアプローチの実用性に関する貴重なフィードバックを提供します。

関連論文リスト

• How to Understand Whole Software Repository? [64.19431011897515]
  リポジトリ全体に対する優れた理解は、自動ソフトウェアエンジニアリング(ASE)への重要な道になるでしょう。 本研究では,リポジトリ全体を包括的に理解するためのエージェントによるRepoUnderstanderという新しい手法を開発した。 リポジトリレベルの知識をより活用するために、エージェントをまとめ、分析し、計画する。
  論文  参考訳（メタデータ） (2024-06-03T15:20:06Z)
• DevBench: A Comprehensive Benchmark for Software Development [72.24266814625685]
  DevBenchは、ソフトウェア開発ライフサイクルのさまざまな段階にわたる大規模言語モデル(LLM)を評価するベンチマークである。 GPT-4-Turboを含む現在のLLMは、DevBench内での課題の解決に失敗している。 本研究は,LLMを現実のプログラミングアプリケーションに展開する上で,現実的な知見を提供するものである。
  論文  参考訳（メタデータ） (2024-03-13T15:13:44Z)
• Leveraging Large Language Models to Build and Execute Computational Workflows [40.572754656757475]
  本稿では,これらの新たな能力が,複雑な科学的研究を促進するためにどのように活用できるかを考察する。 我々はPhyloflowをOpenAIの関数呼び出しAPIに統合する試みからの最初の成果を提示し、包括的なワークフロー管理システムを開発するための戦略を概説する。
  論文  参考訳（メタデータ） (2023-12-12T20:17:13Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• 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)
• Enhancing API Documentation through BERTopic Modeling and Summarization [0.0]
  本稿では、アプリケーションプログラミングインタフェース(API)ドキュメントの解釈の複雑さに焦点を当てる。 公式APIドキュメンテーションは、開発者にとって最も重要な情報ソースであるが、広くなり、ユーザフレンドリ性に欠けることが多い。 我々の新しいアプローチは、トピックモデリングと自然言語処理(NLP)にBERTopicの長所を利用して、APIドキュメントの要約を自動的に生成する。
  論文  参考訳（メタデータ） (2023-08-17T15:57:12Z)
• Towards Code Summarization of APIs Based on Unofficial Documentation Using NLP Techniques [0.0]
  場合によっては、公式のドキュメントは必要な情報を得るための効率的な方法ではありません。 NLP技術を用いた非公式なドキュメンテーションを利用して,APIやメソッドの要約を生成する手法を提案する。
  論文  参考訳（メタデータ） (2022-08-12T15:07:30Z)
• Leveraging Unsupervised Learning to Summarize APIs Discussed in Stack Overflow [1.8047694351309207]
  本稿では,Stack Overflowで議論されているAndroid APIメソッドを要約する手法を提案する。 提案手法では,APIメソッドの名称を入力として,そのAPIメソッドに関するStack Overflowの議論に基づいて,自然言語の要約を生成する。 我々は16人のAndroid開発者が自動生成された要約の品質を評価し、それらを公式のAndroidドキュメントと比較する調査を実施した。
  論文  参考訳（メタデータ） (2021-11-27T18:49:51Z)
• Dive into Deep Learning [119.30375933463156]
  この本はJupyterのノートブックでドラフトされており、説明図、数学、インタラクティブな例を自己完結型コードとシームレスに統合している。 私たちのゴールは、(i)誰でも自由に利用できるリソースを提供すること、(ii)応用機械学習科学者になるための出発点を提供するのに十分な技術的な深さを提供すること、(iii)実行可能なコードを含み、実際にどのように問題を解決するかを読者に示すこと、(iv)私たちとコミュニティの両方による迅速なアップデートを可能にすることです。
  論文  参考訳（メタデータ） (2021-06-21T18:19:46Z)
• Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via Alternate Meta-learning [56.771557756836906]
  本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。 本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-10-29T18:28:16Z)
• Semantic Graphs for Generating Deep Questions [98.5161888878238]
  本稿では、まず、入力文書のセマンティックレベルグラフを構築し、次にアテンションベースのGGNN(Att-GGNN)を導入してセマンティックグラフを符号化する新しいフレームワークを提案する。 HotpotQAのDeep-question中心のデータセットでは、複数の事実の推論を必要とする問題よりもパフォーマンスが大幅に向上し、最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-04-27T10:52:52Z)

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。