論文の概要: Towards an Understanding of Context Utilization in Code Intelligence

• arxiv url: http://arxiv.org/abs/2504.08734v1
• Date: Fri, 11 Apr 2025 17:59:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-14 14:20:38.638080
• Title: Towards an Understanding of Context Utilization in Code Intelligence
• Title（参考訳）: コードインテリジェンスにおける文脈利用の理解に向けて
• Authors: Yanlin Wang, Kefeng Duan, Dewu Zheng, Ensheng Shi, Fengji Zhang, Yanli Wang, Jiachi Chen, Xilin Liu, Yuchi Ma, Hongyu Zhang, Qianxiang Wang, Zibin Zheng,
• Abstract要約: コードインテリジェンスは、様々なコード関連タスクの有効性と効率を改善することを目的としている。 近年の研究では、基本的なタスク入力以上の文脈情報を組み込むことで、モデルの性能を大幅に向上させることが示唆されている。 学術的関心が高まりつつあるにもかかわらず、コードインテリジェンスにおける文脈の体系的な分析は欠如している。
• 参考スコア（独自算出の注目度）: 37.85380387094615
• License:
• Abstract: Code intelligence is an emerging domain in software engineering, aiming to improve the effectiveness and efficiency of various code-related tasks. Recent research suggests that incorporating contextual information beyond the basic original task inputs (i.e., source code) can substantially enhance model performance. Such contextual signals may be obtained directly or indirectly from sources such as API documentation or intermediate representations like abstract syntax trees can significantly improve the effectiveness of code intelligence. Despite growing academic interest, there is a lack of systematic analysis of context in code intelligence. To address this gap, we conduct an extensive literature review of 146 relevant studies published between September 2007 and August 2024. Our investigation yields four main contributions. (1) A quantitative analysis of the research landscape, including publication trends, venues, and the explored domains; (2) A novel taxonomy of context types used in code intelligence; (3) A task-oriented analysis investigating context integration strategies across diverse code intelligence tasks; (4) A critical evaluation of evaluation methodologies for context-aware methods. Based on these findings, we identify fundamental challenges in context utilization in current code intelligence systems and propose a research roadmap that outlines key opportunities for future research.
• Abstract（参考訳）: コードインテリジェンス(Code Intelligence)は、さまざまなコード関連タスクの有効性と効率を改善することを目的とした、ソフトウェア工学の新たな領域である。 近年の研究では、基本的なタスク入力(ソースコード)を超えてコンテキスト情報を組み込むことで、モデルの性能を大幅に向上させることができることが示唆されている。 このようなコンテキスト信号は、APIドキュメンテーションや抽象構文木のような中間表現といったソースから直接あるいは間接的に取得することで、コードインテリジェンスの有効性を大幅に向上させることができる。 学術的関心が高まりつつあるにもかかわらず、コードインテリジェンスにおける文脈の体系的な分析は欠如している。 このギャップに対処するため,2007年9月から2024年8月までに出版された146の関連研究について,広範な文献レビューを行った。 私たちの調査は4つの主要な貢献をする。 1)出版動向,会場,調査領域などの研究状況の定量的分析,(2)コードインテリジェンスにおけるコンテキストタイプの新しい分類,(3)多様なコードインテリジェンスタスクにおけるコンテキスト統合戦略を調査するタスク指向分析,(4)コンテキスト認識手法の評価方法論の批判的評価。 これらの知見に基づき、現在のコードインテリジェンスシステムにおけるコンテキスト利用の基本的な課題を特定し、今後の研究の鍵となる機会を概説する研究ロードマップを提案する。

関連論文リスト

• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• Qualitative Data Analysis in Software Engineering: Techniques and Teaching Insights [10.222207222039048]
  ソフトウェアリポジトリは、ソースコードコメント、コミットメッセージ、イシュー記述、ドキュメントなど、質的なアーティファクトの豊富なソースである。 この章では、さまざまな定性的データ分析技術を用いて、これらのアーティファクトの解釈に焦点を移す。 データ解釈における一貫性と精度を確保するため、コーディングガイドの戦略的設計とともに様々なコーディング手法について議論する。
  論文  参考訳（メタデータ） (2024-06-12T13:56:55Z)
• Falcon 7b for Software Mention Detection in Scholarly Documents [7.0413463890126735]
  本稿では,学術文献におけるソフトウェア言及の検出・分類におけるFalcon-7bの適用について検討する。 総合的な実験を通じて、二分法アプローチ、適応サンプリング、重み付き損失スケーリングなど、さまざまなトレーニング戦略を探求する。 この結果は,モデルの性能向上における選択的ラベリングと適応サンプリングの利点を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-05-14T11:37:26Z)
• A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
  この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。 50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。 発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-21T08:54:56Z)
• Enhancing Source Code Representations for Deep Learning with Static Analysis [10.222207222039048]
  本稿では,静的解析とバグレポートやデザインパターンなどのコンテキストを,ディープラーニングモデルのためのソースコード表現に統合する方法について検討する。 我々はASTNN(Abstract Syntax Tree-based Neural Network)法を用いて,バグレポートやデザインパターンから得られたコンテキスト情報を追加して拡張する。 提案手法はソースコードの表現と処理を改善し,タスク性能を向上させる。
  論文  参考訳（メタデータ） (2024-02-14T20:17:04Z)
• A Systematic Literature Review on Explainability for Machine/Deep Learning-based Software Engineering Research [23.273934717819795]
  本稿では,ソフトウェア工学の文脈におけるAIモデルの説明可能性の向上を目的とした,体系的な文献レビューを行う。 我々は,XAI技術がこれまで成功してきたSEタスク,(2)異なるXAI手法の分類と分析,(3)既存の評価手法を考察することを目的としている。
  論文  参考訳（メタデータ） (2024-01-26T03:20:40Z)
• A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
  トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。 先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。 本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
  論文  参考訳（メタデータ） (2023-06-05T01:01:12Z)
• Language Model Decoding as Likelihood-Utility Alignment [54.70547032876017]
  モデルの有効性がタスク固有の実用性の概念とどのように一致しているかについて、暗黙の仮定に基づいて、デコード戦略をグループ化する分類法を導入する。 具体的には、様々なタスクの集合における予測の可能性と有用性の相関を解析することにより、提案された分類を裏付ける最初の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2022-10-13T17:55:51Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Generating Knowledge Graphs by Employing Natural Language Processing and Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
  本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。 本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。 セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
  論文  参考訳（メタデータ） (2020-10-28T08:31:40Z)

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。