Resumen

La búsqueda de código inteligente con consultas en lenguaje natural se ha convertido en un área de investigación importante en ingeniería de software. En este artículo, proponemos un novedoso marco de aprendizaje profundo llamado At-CodeSM para la búsqueda de código fuente. El potente codificador de código en At-CodeSM, implementado con un algoritmo de análisis de árbol de sintaxis abstracta (Tree-LSTM) y codificadores a nivel de token, mantiene tanto las características léxicas como estructurales del código fuente en el proceso de vectorización de código. Tanto los modelos representativos como los discriminativos se implementan con redes neuronales profundas. Nuestros experimentos en el conjunto de datos CodeSearchNet muestran que At-CodeSM ofrece un mejor rendimiento en la tarea de búsqueda de código inteligente que enfoques anteriores.

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Búsqueda de código inteligente; Consultas en lenguaje natural; Marco de aprendizaje profundo; At-CodeSM; Búsqueda de código fuente; Redes neuronales profundas
• Keywords:Intelligent code search; Natural language queries; Deep learning framework; At-CodeSM; Source code search; Deep neural networks