論文の概要: A Naive Approach for Automatic Line-level Code Completion

• arxiv url: http://arxiv.org/abs/2402.19120v1
• Date: Thu, 29 Feb 2024 12:57:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-01 14:56:49.692597
• Title: A Naive Approach for Automatic Line-level Code Completion
• Title（参考訳）: ラインレベルの自動コード補完のためのナイーブアプローチ
• Authors: Shamima Naznin, Dr.Manishankar Mondal
• Abstract要約: 本研究では,プログラム文の自動補完について検討する。 提案手法は,自動コード補完の基本的なフレームワークとみなすことができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coding is an integral aspect of programming. A programmer can automatically complete a code fragment after writing a few tokens, and the process of automatic completion is known as code completion. Several research studies on code completion have previously been conducted for method body completion and method parameter completion. However, this fundamental study explores the automatic completion of any program statement that might not even be part of a method. The goal is to provide suggestions to the programmer for completing code throughout the codebase by identifying and analyzing code similarities. The proposed methodology can be regarded as a fundamental framework for automated code completion. From the investigation of hundreds of revisions of four subject systems written in C and Java, it is observed that the proposed method can automatically complete around 22% of code statements with an average accuracy of 87% that a programmer writes during development, accelerating software development time. The empirical analysis further demonstrates that the approach can be used with programming language neutrality. The study concludes by illustrating that taking 10 characters as prefixes before invoking completion provides maximum precision.
• Abstract（参考訳）: コーディングはプログラミングの不可欠な側面である。 プログラマは、いくつかのトークンを書いた後に自動的にコードフラグメントを完了でき、自動補完のプロセスはコード補完と呼ばれる。 コード補完に関するいくつかの研究は、従来、メソッドボディ補完とメソッドパラメータ補完のために行われてきた。 しかし、この基本的な研究は、メソッドに含まれないプログラムステートメントを自動補完することを検討するものである。 ゴールは、コードの類似性を識別し分析することで、コードベース全体のコード補完をプログラマに提案することである。 提案手法は,自動コード補完の基本的なフレームワークとみなすことができる。 CとJavaで書かれた4つのサブジェクトシステムの数百のリビジョンを調査した結果、提案手法は、開発中にプログラマが記述した平均精度が87%のコードステートメントの約22%を自動で完了し、ソフトウェア開発時間を短縮できることがわかった。 経験的分析は、このアプローチがプログラミング言語の中立性で利用できることを示す。 この研究は、10文字を接頭辞として読み取ると最大精度が得られると結論付けている。

関連論文リスト

• AI-Assisted Assessment of Coding Practices in Modern Code Review [11.803776132972029]
  AutoCommenterは、コーディングのベストプラクティスを学習し、強制するためのエンドツーエンドシステムである。 本稿では,AutoCommenterの開発,展開,評価について報告する。
  論文  参考訳（メタデータ） (2024-05-22T11:57:18Z)
• NExT: Teaching Large Language Models to Reason about Code Execution [50.93581376646064]
  大規模言語モデル(LLM)のコードは通常、プログラムの表面テキスト形式に基づいて訓練される。 NExTは,プログラムの実行トレースを検査し,実行時の動作を判断する手法である。
  論文  参考訳（メタデータ） (2024-04-23T01:46:32Z)
• RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation [96.75695811963242]
  RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。 類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。 バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2023-03-22T13:54:46Z)
• Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
  本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。 トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
  論文  参考訳（メタデータ） (2023-02-14T18:43:34Z)
• Syntax-Aware On-the-Fly Code Completion [13.268277642411974]
  我々はPyCoderを提案する。トークン型は軽量な構文情報の一種である。 私たちのPyCoderはトークンレベルの予測に対して77.12%の精度でCodeXGLUEのリーダーボードで1位を獲得しました。
  論文  参考訳（メタデータ） (2022-11-09T04:24:18Z)
• Natural Language to Code Translation with Execution [82.52142893010563]
  実行結果-プログラム選択のための最小ベイズリスク復号化。 そこで本研究では,自然言語からコードへのタスクにおいて,事前訓練されたコードモデルの性能を向上することを示す。
  論文  参考訳（メタデータ） (2022-04-25T06:06:08Z)
• ReACC: A Retrieval-Augmented Code Completion Framework [53.49707123661763]
  本稿では,語彙のコピーと類似したセマンティクスを持つコード参照の両方を検索により活用する検索拡張コード補完フレームワークを提案する。 我々は,Python および Java プログラミング言語のコード補完タスクにおけるアプローチを評価し,CodeXGLUE ベンチマークで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） (2022-03-15T08:25:08Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Towards Full-line Code Completion with Neural Language Models [25.458883198815393]
  単一トークンではなく,コード行全体を直接完了する可能性について論じる。 最近のニューラルネットワークモデルは、コード補完の好ましいアプローチとして採用されている。
  論文  参考訳（メタデータ） (2020-09-18T03:12:13Z)

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。