一种结构信息增强的代码修改自动转换方法

摘要：

在开发过程中,开发人员在进行缺陷修复、版本更新时,常常需要修改多处相似的代码.如何进行自动代码修改已成为软件工程领域的热点研究问题.一种行之有效的方式是:给定一组代码修改示例,通过抽取其中的代码修改模式,辅助相似代码进行自动转换.在现有工作中,基于深度学习的方法取得了一定进展,但在捕获代码间的长程信息依赖关系时,效果不佳.为此,提出了一种结构信息增强的代码修改自动转换方法ExpTrans.ExpTrans在解析代码时采用图的形式来表示修改示例,显式地指出了代码中变量之间的依赖关系,同时结合图卷积网络和Transformer架构,增强了模型对代码的结构信息和依赖信息的捕获能力,从而提升了代码修改自动转换的准确性.实验结果表明,对比同类型基于深度学习的方法,ExpTrans在准确率上提升了11.8％～30.8％;对比基于人工规则的方法,ExpTrans在修改实例的数量和准确率上均有显著提升.

关键词：代码变更、代码演化、软件维护、代码生成

所属期刊栏目：32

分类号：TP311(计算技术、计算机技术)

资助基金：国家杰出青年科学基金;国家自然科学基金

在线出版日期：2021-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：1006-1022