Deep code comment generation
deepcom
特点
- 将代码注释生成任务表述为机器翻译任务。
- 定制了基于序列的模型，以处理从源代码中提取的结构信息，以生成Java方法的注释。 特别是，提出了一种新的AST遍历方法（即基于结构的遍历（SBT)）和一种特定于域的方法来更好地处理词汇表外的标记
detail
seq2seq model
encoder与decoder都是LSTM，并包含注意力机制。
经SBT遍历的AST
SBT（ Structure-based Traversal ）遍历
-
从根节点开始，我们首先使用一对括号来表示树结构，然后将根节点本身放在右方括号的后面，即（1）1，如图所示。
-
接下来，我们遍历根节点的子树，并将子树的所有根节点放入括号中，例(1(2)2(3)3)1
-
递归地遍历每个子树，直到遍历所有节点并获得最终序列（1（2（4）4（5）5（6）6）2（3）3）1
在数据处理阶段，DeepCom使用SBT处理每个AST为一个序列。
Out-of-vocabulary tokens
因此，提出了一种新的方法来表示源代码的词汇外标记。在AST中，非终端节点具有“type”，终端节点不仅具有“type”，而且还具有“value”。 DeepCom将AST序列作为输入，词汇表包括括号，节点的所有“type”（包括非终端节点Tnon和终端节点Tterm）以及终端token的部分类型值对。我们将出现在最频繁的30,000个token中的token作为AST序列词汇表。对于词汇表之外的类型值对，DeepCom使用其“type” Tterm代替“ UNK”token来代替它们。例如，对于上面显示的代码中的终端节点“ extractFor”和“ id”，它们的类型均为“ SimpleName”，如图所示。输入模型的token应分别为“ SimpleName_extractFor”和“ SimpleName_id”。但是，由于token“ SimpleName_extractFor”不在词汇表之内，因此我们使用其type“ SimpleName”来表示它。这样，out of vocabulary由它们的相关类型信息代替无意义的单词表示。
strengths
连接代码和注释语义的概率模型
DeepCom的优势之一是通过学习源代码直接生成注释，而不是通过关键字合成注释或搜索类似代码段的注释。
通过结构信息辅助生成
不仅包括语义信息也包括结构信息。