論文の概要: Automated Description Generation for Software Patches
- arxiv url: http://arxiv.org/abs/2402.03805v1
- Date: Tue, 6 Feb 2024 08:46:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 15:58:45.543648
- Title: Automated Description Generation for Software Patches
- Title（参考訳）: ソフトウェアパッチの自動記述生成
- Authors: Thanh Trong Vu, Tuan-Dung Bui, Thanh-Dat Do, Thu-Trang Nguyen, Hieu
Dinh Vo, and Son Nguyen
- Abstract要約: ソフトウェアパッチ記述を生成するための機械翻訳手法EXPLAINERを提案する。
EXPLAINERでは、重要な要素、歴史的文脈、統語規則の明示的な表現を活用する。
また,EXPLAINERはBLEUで189%,Exact Matchで5.7X,Semantic similarityで154%向上した。
- 参考スコア（独自算出の注目度）: 4.080365651252764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Software patches are pivotal in refining and evolving codebases, addressing
bugs, vulnerabilities, and optimizations. Patch descriptions provide detailed
accounts of changes, aiding comprehension and collaboration among developers.
However, manual description creation poses challenges in terms of time
consumption and variations in quality and detail. In this paper, we propose
PATCHEXPLAINER, an approach that addresses these challenges by framing patch
description generation as a machine translation task. In PATCHEXPLAINER, we
leverage explicit representations of critical elements, historical context, and
syntactic conventions. Moreover, the translation model in PATCHEXPLAINER is
designed with an awareness of description similarity. Particularly, the model
is explicitly trained to recognize and incorporate similarities present in
patch descriptions clustered into groups, improving its ability to generate
accurate and consistent descriptions across similar patches. The dual
objectives maximize similarity and accurately predict affiliating groups. Our
experimental results on a large dataset of real-world software patches show
that PATCHEXPLAINER consistently outperforms existing methods, with
improvements up to 189% in BLEU, 5.7X in Exact Match rate, and 154% in Semantic
Similarity, affirming its effectiveness in generating software patch
descriptions.
- Abstract（参考訳）: ソフトウェアパッチは、コードベースの精製と進化、バグ、脆弱性、最適化に重要である。
パッチ記述は変更の詳細な説明を提供し、開発者間の理解とコラボレーションを支援する。
しかし、マニュアル記述の作成は、時間消費と品質と細部の違いの観点から課題を提起する。
本稿では,パッチ記述生成を機械翻訳タスクとしてフレーミングすることで,これらの課題に対処するPATCHEXPLAINERを提案する。
PATCHEXPLAINERでは、重要な要素、歴史的文脈、統語規則の明示的な表現を活用する。
さらに、PATCHEXPLAINERの翻訳モデルは、記述類似性を意識して設計されている。
特に、このモデルは、グループにクラスタ化されたパッチ記述に存在する類似性を認識し、組み込むように明示的に訓練されており、同様のパッチ間で正確で一貫性のある記述を生成する能力を改善している。
2つの目的は類似性を最大化し、アフィリエイト群を正確に予測する。
実世界のソフトウェアパッチの大規模なデータセットを用いた実験の結果、patchexplainerは、bleuの189%、正確な一致率5.7倍、セマンティックな類似度154%という、既存の手法を一貫して上回っており、ソフトウェアパッチ記述の生成に効果があることが判明しました。
関連論文リスト
- Do LVLMs Understand Charts? Analyzing and Correcting Factual Errors in Chart Captioning [90.13978453378768]
生成したチャートキャプションに事実誤りを包括的に分類する。
大規模な人間のアノテーションの取り組みは、様々なチャートキャプションモデルによって作られたキャプションのエラーパターンと頻度に関する洞察を提供する。
分析の結果,GPT-4Vを含む最先端モデルでさえ,事実不正確なキャプションを頻繁に生成していることが判明した。
論文 参考訳（メタデータ） (2023-12-15T19:16:21Z) - MS-Former: Memory-Supported Transformer for Weakly Supervised Change
Detection with Patch-Level Annotations [50.79913333804232]
弱い教師付き変化検出のためのメモリ支援トランス (MS-Former) を提案する。
MS-Former は双方向注意ブロック (BAB) とパッチレベルの監視スキーム (PSS) から構成される。
3つのベンチマークデータセットの実験結果から,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2023-11-16T09:57:29Z) - Patch-CLIP: A Patch-Text Pre-Trained Model [6.838615442552715]
パッチ表現学習は、ソフトウェア生成における機械学習の機能を活用するために必要な研究の方向性として登場した。
紹介する。
Theweak-CLIPは、パッチと自然言語テキストのための新しい事前トレーニングフレームワークである。
私たちはそれを示します。
Theweak-CLIPは、新しい最先端のパフォーマンスを設定し、BLEU、ROUGE-L、METEOR、リコールといったメトリクスにおける最先端のパフォーマンスを一貫して上回る。
論文 参考訳（メタデータ） (2023-10-19T14:00:19Z) - RAP-Gen: Retrieval-Augmented Patch Generation with CodeT5 for Automatic
Program Repair [75.40584530380589]
新たな検索型パッチ生成フレームワーク(RAP-Gen)を提案する。
RAP-Gen 以前のバグ修正ペアのリストから取得した関連する修正パターンを明示的に活用する。
RAP-GenをJavaScriptのTFixベンチマークとJavaのCode RefinementとDefects4Jベンチマークの2つのプログラミング言語で評価する。
論文 参考訳（メタデータ） (2023-09-12T08:52:56Z) - Learning to Represent Patches [7.073203009308308]
本稿では,パッチ表現の深層学習と意味意図のギャップを埋める新しい手法Pacherizerを紹介する。
Patcherizerは、構造化意図グラフ表現にグラフ畳み込みニューラルネットワークを使用し、意図シーケンス表現にトランスフォーマーを使用する。
実験では,全てのタスクにおける表現の有効性を実証し,最先端の手法より優れていた。
論文 参考訳（メタデータ） (2023-08-31T09:34:38Z) - Neural Program Repair with Program Dependence Analysis and Effective
Filter Mechanism [37.70518599085677]
単行Javaバグを修正するために、一般的な事前学習言語モデルに適応する、アプローチと呼ばれる新しいニューラルプログラム修復フレームワークを提案する。
我々は,プログラムスライシングを用いて,与えられたバギー文に直接関連した文脈情報を,対応するプログラム依存グラフから補修材料として抽出する試みを行う。
最先端のベースラインと比較して,5つのベンチマークに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2023-05-16T09:43:04Z) - Improving Factual Consistency in Summarization with Compression-Based
Post-Editing [146.24839415743358]
この問題に対処するためのモデルに依存しない方法は、生成された要約を後編集することであることを示す。
本稿では,文圧縮データを用いて後編集モデルを訓練し,特別なトークンでマークされた外在的エンティティエラーを要約する手法を提案する。
我々は,このモデルがROUGEを維持しながら事実整合性を向上し,XSum上でのエンティティ精度を最大30%向上し,他のポストエディタ上でも適用可能であることを示す。
論文 参考訳（メタデータ） (2022-11-11T13:35:38Z) - Fixing Model Bugs with Natural Language Patches [38.67529353406759]
私たちは、開発者が適切な抽象化レベルで修正的なフィードバックを提供できるように、自然言語パッチを調査します。
少量の合成データを用いて、実際のデータに実際のパッチを効果的に利用するモデルを教えることができることを示す。
また、少数の言語パッチのパフォーマンスに合わせるために、ラベル付き例を100個まで微調整する必要があることも示している。
論文 参考訳（メタデータ） (2022-11-07T05:49:19Z) - UIA-ViT: Unsupervised Inconsistency-Aware Method based on Vision
Transformer for Face Forgery Detection [52.91782218300844]
そこで我々は、UIA-ViTと呼ばれるビジョン変換器に基づく教師なし不整合認識手法を提案する。
自己注意機構により、パッチ埋め込み間の注意マップは自然に一貫性関係を表現し、一貫性表現学習に適した視覚変換器となる。
論文 参考訳（メタデータ） (2022-10-23T15:24:47Z) - Is this Change the Answer to that Problem? Correlating Descriptions of
Bug and Code Changes for Evaluating Patch Correctness [8.606215760860362]
パッチの正当性評価を質問回答問題に変換する。
我々は、バグレポートと生成されたパッチの自然言語記述を入力として検討する。
実験により、Quatrainはパッチの正確性を予測するために0.886のAUCを達成できることが示された。
論文 参考訳（メタデータ） (2022-08-08T13:32:58Z) - FactGraph: Evaluating Factuality in Summarization with Semantic Graph
Representations [114.94628499698096]
文書と要約を構造化された意味表現(MR)に分解するFactGraphを提案する。
MRは、コアセマンティックの概念とその関係を記述し、文書と要約の両方の主要な内容を標準形式で集約し、データの疎結合を減少させる。
事実性を評価するための異なるベンチマークの実験では、FactGraphは以前のアプローチよりも最大15%優れていた。
論文 参考訳（メタデータ） (2022-04-13T16:45:33Z)
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。