基于seq2seq模型的标签推荐方法

摘要：

针对NPM平台上存在大量的软件包没有标签或标记不完善的问题,提出一种基于seq2 seq模型的深度学习方法为软件包推荐标签.首先,利用ECMAScript工具分析软件包的源码构建出包的函数调用图,遍历函数调用图从而将软件包转换成一组具有包语义信息的函数调用序列;其次,训练seq2 seq模型,并将训练好的模型用于软件包的标签推荐工作,该模型能将包的函数调用序列映射到一组预测的标签序列上,从而完成软件包的标签推荐.实验结果表明,该方法能为软件包推荐一组合理的标签,准确率达82.6％.

关键词：标签推荐、深度学习、程序分析、注意力模型

所属期刊栏目：60

分类号：TP311(计算技术、计算机技术)

资助基金：吉林省科研基金;吉林大学研究生创新基金;吉林大学博士研究生跨学科研究项目

在线出版日期：2022-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：316-320