ACL-2021 Learning Sequential and Structural Information for Source Code Summarization

论文地址：Learning Sequential and Structural Information for Source Code Summarization

mAST+GCN编码结构信息，Transformer编码序列信息

Abstract

用mAST+GCN编码结构信息，然后将序列的AST节点经过Transformer编码

Introduction

为了更好地表示结构信息，提出了修改AST，同层次间添加了兄弟边来表示相邻的块

Model

Representing Code as mAST

对于 Java 代码是添加同层次相邻边

对于 Python 代码作者发现函数名太重要了，就增加了“函数名”节点，然后加边

Proposed Model

作者指出 mAST 能够捕捉相邻块信息， GCN 能够将结构相邻节点的表示生成得在语义空间中比较相近，transformer 能够捕获长距离相同块中的依赖信息

Experiment

消融实验和数据如上

作者还做了实验将 GCN放在 Transformer 编码器前后位置的影响，其实放哪，还是前后都放差距不大，放前面感觉还好一点

以及 GCN 层数的实验

---

• 本文链接： https://tyang816.github.io/2022/02/28/Learning Sequential and Structural Information for Source Code Summarization/
• 版权声明： 本博客所有文章除特别声明外，均采用 CC BY 4.0 CN协议 许可协议。转载请注明出处！

Yang TanMaster Student @ECUST