發(fā)布時間：2021-01-18 08:56

　　隨著人工智能、深度學習等技術的發(fā)展,互聯(lián)網上出現(xiàn)了越來越多的開源社區(qū)和開源軟件,其中包含著上億行的代碼。這些代碼資源的出現(xiàn)給傳統(tǒng)的軟件工程帶來了新的機遇和挑戰(zhàn),合理的使用這些代碼資源能夠大大提高軟件開發(fā)的質量和效率。目前已有大量相關的研究工作,例如代碼自動生成和代碼搜索技術。程序員可以利用這些技術來實現(xiàn)某個高級編程任務,但是這些技術仍然存在一定的局限性,代碼自動生成技術通常無法生成大規(guī)模、功能復雜的程序,而代碼搜索技術受限于搜索空間,可能無法搜索到合適的代碼段。本課題提出了一種基于深度學習的任務分解工具Lego,能夠將給定的高級編程任務分解為相應的子任務序列,這些序列代表了完成編程任務所需要的每一個步驟,每個子任務所表示的功能也更加簡單。課題的主要工作包括:（1）調研了Stack Overflow和GitHub開源社區(qū),對其中的Java代碼進行了分析,并從中總結出兩種注釋:一種是具有高級意圖的總注釋,和高級編程任務相似;另外一種是具有低級意圖的分段注釋,和低級的子任務相似�；诖�,本課題從上述開源社區(qū)中提取了用于訓練任務分解模型的數(shù)據(jù)集,其中包含多條<任務,[子任務1,…,子任務... 

【文章來源】：國防科技大學湖南省 211工程院校 985工程院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

RNN神經網絡展開示意圖

【參考文獻】：
期刊論文
[1]智能化的程序搜索與構造方法綜述[J]. 劉斌斌,董威,王戟.  軟件學報. 2018(08)
[2]自動程序修復方法研究進展[J]. 玄躋峰,任志磊,王子元,謝曉園,江賀.  軟件學報. 2016(04)



本文編號：2984660