文献类型：期刊文章

作　　者：戎珂瑶[1] 熊贇[1]

RONG Keyao;XIONG Yun(Shanghai Key Laboratory of Data Science,School of Computer Science,Fudan University,Shanghai 200433,China)

机构地区：[1]复旦大学计算机科学技术学院,上海市数据科学重点实验室,上海200433

出　　处：《计算机工程》

年　　份：2023

卷　　号：49

期　　号：4

起止页码：240-248

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：代码注释能够增强源代码的可读性、辅助软件开发过程,因此代码注释自动生成任务成为研究热点。然而现有工作大多只利用了源代码的序列信息或抽象语法树信息,未能充分捕捉代码语言特有的多种特征。为进一步利用源代码的多维度特征,提升注释生成的效果,构建基于多维度异质图结构的代码注释自动生成模型。利用异质图结构和图神经网络,将源代码的抽象语法树、控制流图、数据流图等进行融合并构建为具有多种节点和连边的异质表示图,以此表现代码的语义特征、序列特征、语法特征、结构特征等多维度特征。在真实数据集上的实验结果表明,该模型相较于Hybrid-DRL、NeuralCodeSum、SeqGNN等模型具有更好的效果,在BLEU-4、METEOR、ROUGE-L指标上分别最高提升1.6%、3.2%、3.1%,可获得更流畅、可读性更好的代码注释。

关 键 词：代码注释生成  异质图  图注意力网络  神经机器翻译  多维度特征  

分 类 号：TP18]