ترمیم خودکار کدهای نرم افزاری با استفاده از تکنیک های یادگیری عمیق

رفع ایرادات در کدهای نرم افزاری یکی از پرهزینه ترین وظایف توسعه دهندگان نرم افزار در این صنعت چند صد میلیارد دلاری است. از این روتلاش های بسیاری جهت اتوماسیون حداقل بخشی از آن انجام شده است. در دهه ی اخیر محققان این حوزه از تولید ترمیم ها بر اساس تعدادی قواعداز پیش تعریف شده که فقط در رفع انواع محدودی از ایرادات موثر بود، با طی مسیری طولانی به استفاده از مدل های یادگیری عمیق رسیدند کهتاکنون در بسیاری از حوزه های دیگر نتایج انقلابی از خود به ارمغان گذاشته است. در این پژوهش پس از بررسی مفصل کارهای قبلی در این حوزه،یک سیستم ترمیم خودکار معرفی و پیاده سازی شده است. به دلیل مشکل بودن حل مساله در حالت کلی، تحقیقات اخیر بیشترین تمرکز را بر رویرفع ایراداتی گذاشته اند که فقط در یک خط از کد ظاهر میشوند. نشانداده شده است که فقط همی ن نوع از ایرادات به طور میانگین می تواند تانرخ ۱ از هر ۱۶۰۰ خط کد در یک پروژهی نرم افزاری رخ دهد که میزان بسیار قابل توجهی است. در این پژوهش با اتکا بر روش یادگیری انتقالی،سیستمی را معرفی می کنیم که مبتنی بر مدل برت و معماری رمزگذار رمزگشا طراحی شده است. نتایج ارزیابی ها نشان داده اند که این مدل میتواند در مقایسه با بهترین مدل پیشین بر اساس معیار دقت از ۰/۶۴ تا ۵/۸۱ درصد از خود بهبود نشان دهد.

کلیدواژه ها:

ترمیم کد ، یادگیری عمیق ، خطا ، ایراد نرم افزاری ، برت ، یادگیری انتقالی