cscg

Генерация кода как двойная задача суммирования кода

Специальная реализация модели CS/CG, предложенная Wei et al.

Начиная

• Каждый набор данных должен быть определен как подкласс torch.utils.data.Dataset , с помощью методов для
  • Предварительная обработка и прокатная строитель (текст -> Индексы поиска слока)
  • __getitem__ , который должен вернуть пример обучения
  • __len__
  • Создание поезда/тест/действительные разделения
  • Проблемы с вычислительными языками (т. Е. P(x) , где x : anno/code tensor)

Вычисление вероятностей LM

• Получите поезд/тест/Действительные расколы для набора данных.
• Построить конфигурацию для LM.
• Для каждого вида (Anno/Code) тренируйте LM и сбросите модель как lm-{dataset_name}-{kind}.pt (например lm-django-anno.pt ).
• Наконец, используя эти модели, вычислите P(x) для каждого x (Anno/Code Tensor).

Ссылка

 @article{wei2019code,
  title={Code Generation as a Dual Task of Code Summarization},
  author={Wei, Bolin and Li, Ge and Xia, Xin and Fu, Zhiyi and Jin, Zhi},
  journal={arXiv preprint arXiv:1910.05923},
  year={2019}
}