基于深度学习的代码生成方法研究进展.pdf

*

基于深度学习的代码生成方法研究进展

111234

杨泽洲,陈思榕,高翠芸,李振昊,李戈,吕荣聪

1(哈尔滨工业大学(深圳)计算机科学与技术学院,广东深圳518055)

2(华为技术有限公司,广东深圳518129)

3(北京大学信息科学技术学院,北京100871)

4(香港中文大学计算机与工程系,香港沙田)

通讯作者:高翠芸,E-mail:gaocuiyun@hit.

摘要:代码生成(CodeGeneration),是指根据自然语言描述生成相关代码片段的任务.在软件开发过程中,常

常会面临大量重复且技术含量较低的代码编写任务,代码生成作为最直接辅助开发人员完成编码的工作受到学术

界和工业界的广泛关注.让机器理解用户需求,自行完成程序编写也一直是软件工程领域重点关注的问题之一.

近年来,随着深度学习在软件工程领域任务中的不断发展,尤其是预训练模型的引入使得代码生成任务取得了十

分优异的性能.本文系统梳理了当前基于深度学习的代码生成的相关工作,并将目前的基于深度学习的代码生成

方法分为三类:基于代码特征的方法,结合检索的方法以及结合后处理的方法.第一类是指使用深度学习算法利

用代码特征进行代码生成的方法,第二类和第三类方法依托于第一类方法进行改进.本文依次对每一类方法的已

有研究成果进行了系统的梳理,总结与点评.随后本文还汇总分析了已有的代码生成工作中经常使用的语料库与

主要的评估方法,以便于后续研究可以完成合理的实验设计.最后,本文对总体内容进行了总结,并针对未来值

得关注的研究方向进行了展望.

关键词:代码生成;深度学习;代码检索;后处理;机器翻译

中图法分类号:TP311

中文引用格式:杨泽洲,陈思榕,高翠芸,李振昊,李戈,吕荣聪.基于深度学习的代码生成技术研究进展.软件学报,2021,

32(7).http://www.jos.org.cn/1000-9825/0000.htm

英文引用格式:YangZZ,ChenSR,GaoCY,LiZH,LiG,LvRC.DeepLearningBasedCodeGenerationMethods:ALiterature

Review.RuanJianXueBao/JournalofSoftware,2021(inChinese).http://www.jos.org.cn/1000-9825/0000.htm

DeepLearningBasedCodeGenerationMethods:ALiteratureReview

111234

YANGZe-Zhou,CHENSi-Rong,GAOCui-Yun,LIZhen-Hao,LIGe,LVRong-Cong

1(SchoolofComputerScienceandTechnology,HarbinInstituteofTechnology,Shenzhen,518055,China)

2(HuaweiTechnologiesCo.,Ltd.,Shenzhen518129,China)

3(SchoolofElectronicsEngineeringandComputerScience,PekingUniversity,Beijing100871,China)

4(DepartmentofComp