論文の概要: Graph Construction and Matching for Imperative Programs using Neural and Structural Methods

• arxiv url: http://arxiv.org/abs/2604.26578v1
• Date: Wed, 29 Apr 2026 11:59:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.386392
• Title: Graph Construction and Matching for Imperative Programs using Neural and Structural Methods
• Title（参考訳）: ニューラルネットワークと構造的手法を用いた命令型プログラムのグラフ構築とマッチング
• Authors: Arshad Beg, Diarmuid O'Donoghue, Rosemary Monahan,
• Abstract要約: 命令型プログラムとそのアノテーションを型付き属性グラフに変換するパイプラインを提案する。 私たちの実験では、C with ACSL、Java with JML、Dafny for C#といったデータセットをカバーしています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reusing verification artefacts requires identifying structural and semantic similarities across programs and their specifications. In this paper, we focus on graph construction as a foundational step toward this goal. We present a pipeline that converts imperative programs and their annotations into typed, attributed graphs. Our experiments cover datasets including C with ACSL, Java with JML, and Dafny for C\#. The pipeline integrates abstract syntax tree parsing with semantic embeddings derived from models such as SentenceTransformer and CodeBERT. This enables the generation of graph representations that capture both structural relationships and semantic context. Our results show that consistent graph representations can be constructed across different languages and annotation styles. This work provides a practical basis for future steps in semantic enrichment and approximate graph matching for scalable verification artefact reuse.
• Abstract（参考訳）: 検証アーチファクトの再利用には、プログラムとその仕様間の構造的および意味的類似性を特定する必要がある。 本稿では,この目標に向けた基礎的なステップとして,グラフ構築に焦点を当てる。 命令型プログラムとそのアノテーションを型付き属性グラフに変換するパイプラインを提案する。 実験では、ACSLでC、JMLでJava、C\#でDafnyなどを含むデータセットをカバーしています。 このパイプラインは抽象構文木解析と、SentenceTransformerやCodeBERTといったモデルから派生したセマンティック埋め込みを統合している。 これにより、構造的関係と意味的コンテキストの両方をキャプチャするグラフ表現の生成が可能になる。 この結果から,異なる言語やアノテーションスタイルで一貫したグラフ表現を構築できることが示唆された。 この研究は、スケーラブルな検証アーティファクト再利用のためのセマンティックエンリッチメントと近似グラフマッチングにおける将来のステップの実践的基盤を提供する。

関連論文リスト

• NAG: A Unified Native Architecture for Encoder-free Text-Graph Modeling in Language Models [33.49410203951687]
  このアプローチはテキストグラフに最適である,と我々は主張する。 NAG(Native Architecture for Graphs)は、言語モデル内でグラフ処理を内部化する統合フレームワークである。 NAGは外部エンコーダのオーバーヘッドなしに堅牢なグラフ理解を実現する。
  論文  参考訳（メタデータ） (2026-01-30T07:22:11Z)
• Hierarchical Bracketing Encodings Work for Dependency Graphs [9.660348625678001]
  依存関係グラフ解析の文脈における実践的な視点から階層的ブラケット符号化を再考する。 このアプローチはグラフをシーケンスとしてエンコードし、$n$タグ付けアクションで線形時間解析を可能にする。 提案手法を多言語および多形式性ベンチマークで評価し, 一致精度において, 競合する結果と他の手法よりも一貫した改善点を示す。
  論文  参考訳（メタデータ） (2025-09-11T12:08:22Z)
• GraphER: A Structure-aware Text-to-Graph Model for Entity and Relation Extraction [3.579132482505273]
  自然言語処理(NLP)における情報抽出は重要な課題である グラフ構造学習(GSL)として定式化する手法を提案する。 この定式化により、エンティティとリレーショナル予測のためのより良い相互作用と構造インフォームド決定が可能になる。
  論文  参考訳（メタデータ） (2024-04-18T20:09:37Z)
• Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
  汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。 ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-04T16:04:41Z)
• Iterative Scene Graph Generation [55.893695946885174]
  シーングラフ生成は、オブジェクトエンティティとその対応する相互作用述語を所定の画像(またはビデオ)で識別する。 シーングラフ生成への既存のアプローチは、推定イテレーションの実現を可能にするために、関節分布の特定の因子化を前提としている。 本稿では,この制限に対処する新しいフレームワークを提案するとともに,画像に動的条件付けを導入する。
  論文  参考訳（メタデータ） (2022-07-27T10:37:29Z)
• Multilingual Extraction and Categorization of Lexical Collocations with Graph-aware Transformers [86.64972552583941]
  我々は,グラフ対応トランスフォーマアーキテクチャにより拡張されたBERTに基づくシーケンスタグ付けモデルを提案し,コンテキストにおけるコロケーション認識の課題について評価した。 以上の結果から, モデルアーキテクチャにおける構文的依存関係を明示的に符号化することは有用であり, 英語, スペイン語, フランス語におけるコロケーションのタイプ化の差異について考察する。
  論文  参考訳（メタデータ） (2022-05-23T16:47:37Z)
• GraphFormers: GNN-nested Transformers for Representation Learning on Textual Graph [53.70520466556453]
  階層的にGNNコンポーネントを言語モデルのトランスフォーマーブロックと一緒にネストするGraphFormerを提案する。 提案したアーキテクチャでは、テキストエンコーディングとグラフ集約を反復的なワークフローに融合する。 さらに、プログレッシブ・ラーニング・ストラテジーを導入し、そのモデルが操作されたデータと元のデータに基づいて連続的に訓練され、グラフ上の情報を統合する能力を強化する。
  論文  参考訳（メタデータ） (2021-05-06T12:20:41Z)
• Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
  本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。 グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
  論文  参考訳（メタデータ） (2020-04-05T13:09:37Z)

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。