基于深度学习的自然语言编程任务分解研究

发布时间：2021-01-18 08:56

　　随着人工智能、深度学习等技术的发展,互联网上出现了越来越多的开源社区和开源软件,其中包含着上亿行的代码。这些代码资源的出现给传统的软件工程带来了新的机遇和挑战,合理的使用这些代码资源能够大大提高软件开发的质量和效率。目前已有大量相关的研究工作,例如代码自动生成和代码搜索技术。程序员可以利用这些技术来实现某个高级编程任务,但是这些技术仍然存在一定的局限性,代码自动生成技术通常无法生成大规模、功能复杂的程序,而代码搜索技术受限于搜索空间,可能无法搜索到合适的代码段。本课题提出了一种基于深度学习的任务分解工具Lego,能够将给定的高级编程任务分解为相应的子任务序列,这些序列代表了完成编程任务所需要的每一个步骤,每个子任务所表示的功能也更加简单。课题的主要工作包括:（1）调研了Stack Overflow和GitHub开源社区,对其中的Java代码进行了分析,并从中总结出两种注释:一种是具有高级意图的总注释,和高级编程任务相似;另外一种是具有低级意图的分段注释,和低级的子任务相似。基于此,本课题从上述开源社区中提取了用于训练任务分解模型的数据集,其中包含多条<任务,[子任务1,…,子任务... 

【文章来源】：国防科技大学湖南省 211工程院校 985工程院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

RNN神经网络展开示意图

【参考文献】：
期刊论文
[1]智能化的程序搜索与构造方法综述[J]. 刘斌斌,董威,王戟.  软件学报. 2018(08)
[2]自动程序修复方法研究进展[J]. 玄跻峰,任志磊,王子元,谢晓园,江贺.  软件学报. 2016(04)



本文编号：2984660