| Item type |
Symposium(1) |
| 公開日 |
2020-09-03 |
| タイトル |
|
|
タイトル |
深層学習と遺伝的アルゴリズムを用いたプログラム自動生成 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
プログラム自動生成 |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_5794 |
|
資源タイプ |
conference paper |
| 著者所属 |
|
|
|
NTTソフトウェアイノベーションセンタ |
| 著者所属 |
|
|
|
NTTソフトウェアイノベーションセンタ |
| 著者所属 |
|
|
|
NTTソフトウェアイノベーションセンタ |
| 著者所属 |
|
|
|
NTTソフトウェアイノベーションセンタ |
| 著者所属 |
|
|
|
大阪大学大学院情報科学研究科コンピュータサイエンス専攻 |
| 著者所属 |
|
|
|
大阪大学大学院情報科学研究科コンピュータサイエンス専攻 |
| 著者所属 |
|
|
|
大阪大学大学院情報科学研究科コンピュータサイエンス専攻 |
| 著者所属 |
|
|
|
大阪大学大学院情報科学研究科コンピュータサイエンス専攻 |
| 著者所属 |
|
|
|
大阪大学大学院情報科学研究科コンピュータサイエンス専攻 |
| 著者名 |
倉林, 利行
吉村, 優
切貫, 弘之
丹野, 治門
富田, 裕也
松本, 淳之介
まつ本, 真佑
肥後, 芳樹
楠本, 真二
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
本論文ではソフトウェア開発における実装の自動化に向けたファーストステップとして，プログラミングコンテスト AtCoder の正解プログラムを自動生成する技術の開発を目指す．自動プログラミングの既存研究としては，生成したいプログラムの入出力例からプログラム部品を合成する手法などが存在するが，プログラム部品の組み合わせ爆発により入出力例を満たすプログラムが生成できない，また生成できたとしても入出力例は満たすが正しいプログラムではないというオーバーフィッティングしたプログラムが生成されてしまうという課題が存在した．本論文では深層学習を用いて過去の問題情報から問題文と正解プログラムの関係性を学習することで上記の問題を解決する．具体的には学習済みモデルを用いて過去の問題情報から解きたい問題と類似した問題を検索して取得し，その正解プログラムを雛形としてプログラムを複数個合成し，再び学習済みモデルを用いて生成されたプログラムから最も問題文との関係性が近いプログラムを判定して出力する手法を提案した．提案手法は AtCoder の配点が 100 点の問題 92 問に対して評価を行い，24 問の正解プログラムの自動生成を確認した． |
| 書誌情報 |
ソフトウェアエンジニアリングシンポジウム2020論文集
巻 2020,
p. 143-152,
発行日 2020-09-03
|
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-SES2020022.pdf (543.5 kB)
