论文地址：A Neural Model for Generating Natural Language Summaries of Program Subroutines
ast-attentiongru
1. 简介
- 将代码视作文本的词表示和AST表示，为了区别这两种表示，将他们同时视为输入
- 设计了两种实验：① 标准实验，代码词+AST；② 挑战实验，没有代码词，只有AST
2. 模型
作者提出模型ast-attendgru，使用的attention-based encoder-decoder架构。在表示代码方面，使用了代码的token sequence和代码的结构AST，并且这两个部分分别进行encode，架构图如下：
数据集：自己收集的Java method 语料，51 million Java method form 50000 projects，经过处理后得到大约2.1m methods。
- baselines：
- attendgru
- SBT (ICPC 18)
- CODE-NN (Iyer 19)
