回帰結合ニューラルネットワークを利用したAPI推薦手法

• Item type: Journal(1)
• 公開日: 2017-04-15
• タイトル: 回帰結合ニューラルネットワークを利用したAPI推薦手法
• タイトル / 言語: en
• タイトル: An API Suggestion Using Recurrent Neural Networks
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集：ソフトウェア工学] コード推薦，リカレントニューラルネットワーク，深層学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 日本大学工学部情報工学科
• 著者所属(英): en
• 著者所属(英): College of Engineering, Nihon University
• 著者名: 山本, 哲男
• 著者名(英): Tetsuo, Yamamoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: ソースコードを記述していく際，開発者は，効率良くプログラムを作成するために既存のソースコードの再利用やライブラリを活用して開発を行う．そこで，本研究では，既存のソースコードに記述されているメソッド呼び出し文の順序に着目し，メソッド呼び出し文を補完する手法について提案する．本手法では，回帰結合ニューラルネットワーク（recurrent neural network）を利用し，次に現れるであろうメソッド呼び出し文を予測する．さらに，提案する手法を実装し，10プロジェクトのオープンソースソフトウェアを用いて補完候補の精度を計測した．また，回帰結合ニューラルネットワークの様々なパラメータが実験結果にどのように影響するかを調査し，補完候補の精度がどのように変化するかについても実験した．実験の結果，典型的なサンプルソースコードの補完においては，38%の精度で補完候補の1位に必要なメソッド呼び出し文が現れることが確認できた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Developers reuse existing source code or use libraries to develop effectively. In this study, we focus on the order of method invocation statements in existing source code and propose to suggest method invocation statements. This paper shows an approach to suggest method invocation statements using recurrent neural network. We have implemented the approach and conducted experiments to measure an accuracy with 10 open source software projects. We have investigated various prameters of recurrent neural network. Our evaluation has shown that our approach is 38% accuracy in API code suggestion, it can correctly suggest the API with top 1 candidate.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 58, 号 4, p. 769-779, 発行日 2017-04-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764