Comparison of Encoding Methods in Code Generation Neural Networks

سال انتشار: 1401
محل انتشار: پانزدهمین کنفرانس بین المللی فناوری اطلاعات،کامپیوتر و مخابرات
کد COI اختصاصی: ITCT15_007
زبان مقاله: انگلیسی
تعداد مشاهده: 304

نویسندگان

Department of Electrical and Computer Engineering Kharazmi University Tehran, Iran

چکیده

Program synthesis is the study of generating program codes based on user’s intent. Neural program synthesis uses neural networks in order to generate program codes at output. The most widely-used architecture in such problems is encoder-decoder. In this paper, we use a predefined code generation neural network and apply different methods of encoding embedded natural language data to the neural network. The encoding methods include various types of recurrent neural networks and convolutional neural networks. The architectures in-use consist of series and parallel connection of layers in the encoder. We then train and test the code generation neural network and evaluate the results comparing the methods with each other. The results show that using higher number of layers connected to each other in series in the encoder part of the code generation neural network reduces the accuracy gradually, while using parallel encoding architectures could result in boosting the performance. The results also indicate the advantage of applying recurrent neural network architectures to the encoder in such code generation tasks.

کلیدواژه ها

program synthesis, code generation, neural networks, encoder architectures, recurrent neural networks, convolutional neural networks

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.