单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,程序自动生成技术之研究动态,程序自动生成技术之研究动态,代码大数据的形成引发了,“利用表示学习模型解决开发问题”,的研究,海 量 高 质 量 开 源 代 码,解决方案,编程任务,表示模型,学习,代码大数据的形成引发了 “利用表示,重要国际会议相关论文的数量不断攀升,分布：,54%,来源于人工智能领域，,46%,来自于软件工程领域,重要国际会议相关论文的数量不断攀升分布：54%来源于人工智能,相关领域的研究,虽然,，相关领域（特别是自然语言处理）的,研究,已经取得了重要进展，但却无法直接,应用于代码大数据的,分析。,？,相关领域的研究虽然，相关领域（特别是自然语言处理）的研究已经,程序代码数据的特性,抽象性,对比自然语言，代码的浅层信息难以体现其操作语义。,结构性,代码的结构（如,AST,的复杂度）远比自然语言要复杂。,演化性,代码的迭代比自然语言频繁，演化速度比自然语言快。,程序代码数据的特性抽象性结构性演化性,代码的自动生成面临诸多挑战,挑战之一：,代码词汇表与自然语言词汇表存在巨大差异,代码词汇表中词汇数量通常比自然语言多很多；,代码中词汇的语义具有较强的区域性，且与代码结构密切相关；,代码中自定义标识符具有较强的动态性，容易发生变化；,代码的自动生成面临诸多挑战挑战之一：,代码的自动生成面临诸多挑战,挑战之二：,代码之间的语义依赖关系不同于自然语言,代码语句之间的依赖关系与代码结构或体系结构相关，复杂程度较高；,与自然语言相比，代码语句之间存在“较远”的语义依赖关系；,代码的自动生成面临诸多挑战挑战之二：,代码的自动生成面临诸多挑战,挑战之三：,代码与背景知识的绑定关系较强，且演化快,代码的语义与所使用的,API,库、框架等可复用资源密切相关，存在非常强的绑定关系；,API,库、可复用框架的演化对代码语义的影响非常大；,代码的语义对其具体运行环境也存在较大的依赖；,代码的自动生成面临诸多挑战挑战之三：,代码的自动生成面临诸多挑战,其他挑战：,需求是软件开发的起点，代码的语义必须满足需求才具有实际意义；,与自然语言相比，代码具有无二义性，且需要通过编译，并能够执行，因此，更加难以生成；,开发者对代码的要求不仅仅是能够执行，代码的优劣对最终解决方案的效果，存在较大的影响；,代码的自动生成面临诸多挑战其他挑战：,相关研究团队,Publications,Are Deep Neural Networks the Best Choice for Modeling Source Code,FSE17,On the“Naturalness”of Buggy Code,ICSE16,CACHECA:A Cache Language Model Based Code Suggestion Tool(Demo),ICSE15,On the Localness of Software,FSE14,On the“Naturalness”of software,ICSE12,Prem Devanbu Professor,University of California at Davis,The,Naturalness,of,Source,Code,相关研究团队PublicationsPrem Devanbu,相关研究团队,相关研究团队,相关研究团队,Publications,SmartPaste:Learning to Adapt Source Code.Tech Report,2017,A Convolutional Attention Network for Extreme Summarization of Source Code.,ICML16,Mining Semantic Loop Idioms from Big Code.Tech Report,2016,Bimodal,Modelling of Source Code and Natural,Language.,ICML15,Suggesting Accurate Method and Class Names.,FSE15,Learning,Natural Coding,Conventions.,FSE14,Code,Conventions,Edinburgh,相关研究团队PublicationsCode Convent,相关研究团队,Publications,API Code Recommendation Using Statistical Learning from Fine-grained,Changes,FSE16,T2API:Synthesizing API Code Usage Templates from English Texts with Statistical,Translation,FSE16,Using Topic Model to Suggest Fine-grained Source Code,Changes,ICSME16,Do Contexts Help in Phrase-based,Statistical Source Code Migration,?,ICSME16,Mapping API Elements for Code,Migration with,Vector,Representations,ICSE16,Tien N.Nguyen,Ph.D.,Associate Professor Iowa State University,Research Interests:,Program Analysis and Understanding,Software Evolution and Maintenance,Mining Software Repositories,Version and Configuration Management,and,Web and Configurable Code Analysis.,API,相关研究团队PublicationsTien N.Nguy,相关研究团队,Publications,DeepAM:Migrate APIs with Multi-modal Sequence to Sequence Learning,IJCAI17,Deep API Learning,FSE16,Sung Kim Associate Professor,Hong Kong University of Science and Technology,Zhi Jin,Ge Li,Lili Mou*,Peking University,*Postdoctoral fellow University of Waterloo,Publications,Learning To Infer API Mappings From API Documents,KSEM 2017.,Convolutional Neural Networks over Tree Structures for Programming Language Processing,AAAI 2016.,Learning Embeddings Of API Tokens To Facilitate Deep Learning Based Program Processing,KSEM 2016.,A Comparative Study on Regularization Strategies for Embedding-based Neural Networks,EMNLP 2015.,On end-to-end program generation from user intention by deep neural networks,arxiv15,Building Program Vector Representations for Deep Learning,arxiv14,KSEM 2015.,相关研究团队PublicationsSung Kim A,Scott Reed&Nando de Freitas,NEURAL PROGRAMMER-INTERPRETERS,Candidate Paper of 5th International Conference on Learning Representations(ICLR2017),under review.,Qucheng Gong and Yuandong Tian and C.Lawrence Zitnick,UNSUPERVISED PROGRAM INDUCTION WITH HIERARCHICAL GENERATIVE CONVOLUTIONAL NEURAL NETWORKS,Candidate Paper of 5th International Conference on Learning Representations(ICLR2017),under review.,Scott Reed&Nando de Freitas,程序自动生成技术之研究动态课件,程序自动生成技术之研究动态课件,Recently,Search-based Synthesis,IR,based,Search,&,Synthesis,Generation,based,Search,&,Synthesis,Language-based Deduction,Translate-based generation,Probability-based deduction,Learning-based Simulation,I-O based Natural Style Learning,Operation Process oriented Learning,RecentlySearch-based Synthesis,Code Generation,Google DeepMind,，,2016,Neural Programmer-Interpreters,Microsoft Research,2017,DeepCoder:Learning to Write Programs,Facebook,AI,Research,2017,HGCNN:Hierarchical Generative Convolutional,Neural,Networks,Neural,Programming,by Example(NPBE,),Code GenerationGoogle DeepMind,程序自动生成技术之研究动态课件,程序自动生成技术之研究动态课件,MicrosoftDEEPCODER,:LEARNING TO WRITE PROGRAMS,MicrosoftDEEPCODER:LEARNING,FacebookHierarchical,GenerativeConvolutional Neural Networks(HGCNN,),FacebookHierarchical Genera,程序自动生成技术之研究动态课件,程序自动生成技术之研究动态课件,对比 我们在,2015,年的工作,对比 我们在2015年的工作,深度神经网络程序生成模型,深度神经网络程序生成模型,深度神经网络程序生成模型,训练,生成,深度神经网络程序生成模型训练生成,深度神经网络程序生成模型,训练,生成,深度神经网络程序生成模型训练生成,深度神经网络程序生成模型,深度神经网络程序生成模型,深度神经网络程序生成模型,深度神经网络程序生成模型,深度神经网络程序生成模型,深度神经网络程序生成模型,Our,recent,work,Our recent work,Our,recent,work,Our r