基于分层表示和上下文增强的类摘要生成技术

作     者：陈豪伶 虞慧群 范贵生 李明辰 黄子杰 Chen Haoing;Yu Huiqun;Fan Guisheng;Li Mingchen;Huang Zijie

作者机构：华东理工大学计算机科学与工程系上海200237 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2024年第61卷第2期

页      面：307-323页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62372174,62276097) 大数据流通与交易技术国家工程实验室课题研究计划、上海市促进高质量发展专项资金项目(2021-GYHLW-01007) 

主　　题：代码自动摘要 分层表示 上下文增强 深度学习 类摘要 

摘      要：代码摘要是源代码的自然语言解释,高质量的代码摘要有助于提高开发人员程序理解效率.近年来,代码自动摘要的研究集中在为方法粒度的代码片段生成摘要.然而,对于面向对象的语言,例如Java,类才是项目的基本组成单元.基于上述问题,提出一种基于分层表示和上下文增强的类摘要生成方法HRCE(hierarchical representation and context enhancement),并构建了一个包含358 992个?Java类,上下文,摘要?数据对的类摘要数据集.HRCE使用代码精简策略去除类的非关键代码,从而缩短代码长度.然后,对类的层次结构,包括类签名、属性和方法分别进行建模,获得类的语义信息和层次结构信息.此外,从项目中抽取父类的签名及摘要来刻画类在项目中依赖的上下文.实验表明,基于分层表示和上下文增强的生成模型能够表征代码的语义和层次结构,并可以从目标类的内部和外部获取信息. HRCE在BLEU,METEOR,ROUGE-L等评估指标上超过了所有基准模型.