• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>ACM Computing Surveys >Deep Learning for Source Code Modeling and Generation: Models, Applications, and Challenges
【24h】

Deep Learning for Source Code Modeling and Generation: Models, Applications, and Challenges

机译：深入学习源代码建模和生成：模型，应用和挑战

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Deep Learning (DL) techniques for Natural Language Processing have been evolving remarkably fast. Recently, the DL advances in language modeling, machine translation, and paragraph understanding are so prominent that the potential of DL in Software Engineering cannot be overlooked, especially in the field of program learning. To facilitate further research and applications of DL in this field, we provide a comprehensive review to categorize and investigate existing DL methods for source code modeling and generation. To address the limitations of the traditional source code models, we formulate common program learning tasks under an encoder-decoder framework. After that, we introduce recent DL mechanisms suitable to solve such problems. Then, we present the state-of-the-art practices and discuss their challenges with some recommendations for practitioners and researchers as well.
机译：用于自然语言处理的深度学习（DL）技术一直在不断快速发展。 最近，语言建模，机器翻译和段落理解的DL进步是如此突出的，即软件工程中DL的潜力不能被忽视，特别是在方案学习领域。 为了促进DL在本领域的进一步研究和应用，我们提供了全面的审查，以分类和调查源代码建模和生成的现有DL方法。 为了解决传统源代码模型的限制，我们在编码器解码器框架下制定公共程序学习任务。 之后，我们介绍了最近适合解决此类问题的DL机制。 然后，我们展示了最先进的实践，并为从业者和研究人员的一些建议讨论了挑战。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号