软件学报

作者：曹英魁，孙泽宇，邹艳珍，谢冰

单位：曹英魁，北京大学 信息科学技术学院, 北京 100871;高可信软件技术教育部重点实验室(北京大学), 北京 10087111,孙泽宇，北京大学 信息科学技术学院, 北京 100871;高可信软件技术教育部重点实验室(北京大学), 北京 10087102,邹艳珍，北京大学 信息科学技术学院, 北京 100871;高可信软件技术教育部重点实验室(北京大学), 北京 10087103,谢冰，北京大学 信息科学技术学院, 北京 100871;高可信软件技术教育部重点实验室(北京大学), 北京 10087104

关键词：代码变更;代码演化;软件维护;代码生成

基金：国家杰出青年科学基金（61525201）；国家自然科学基金（61972006）

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.

来源：2021年第4期

《软件学报》期刊编辑部

查看软件学报杂志2021年第4期