big code: Code Completion for Programming Education based on Recurrent Neural Network [IWCIA 2019]

最新推荐文章于 2022-03-23 00:45:29 发布
最新推荐文章于 2022-03-23 00:45:29 发布
阅读量325 收藏
点赞数
文章标签： big code code completion
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_32768743/article/details/106319566
版权

这篇文章对我来说有重大意义，不是因为它有多好，而是因为它，我终于开始看CCF期刊和会议的分区了。看论文前要先看一下它发在哪里的，标一下CCF哪个区，是会议还是期刊。

数据

在这里插入图片描述
这里和 Learning Python Code Suggestion with a Sparse Pointer Network 一样

在这里插入图片描述
没有用AST，直接词法分析后变ID

模型

在这里插入图片描述
嵌入，dropout，lstm，fc，softmax常规操作
在这里插入图片描述
注意力的那个当指针的那个

性能

在这里插入图片描述
这个性能好高啊，我都懵了。都快80了，
Code Completion with Neural Attention and Pointer Networks
这篇才70，数据集影响真的大。
在这里插入图片描述

在这里插入图片描述
这个也没啥好说的

小结

这个论文任务用 Learning Python Code Suggestion with a Sparse Pointer Network
方法用 Code Completion with Neural Attention and Pointer Networks
但数据集不一样，不好比较。

另外

2019 IEEE 11th International Workshop on Computational Intelligence and Applications
November 9-10, 2019, Hiroshima, Japan

这个咋不在CCF上呢？

参考： 最新版《中国计算机学会推荐国际学术会议和期刊目录》正式发布

为啥我感觉自己做的事情和这个一样呢？东拼拼西凑凑（心里一凉）

大黄老鼠
关注
big code: Neural Code Completion [ICLR 2017]
大黄老鼠的小本本
05-14 371
原文：Neural Code Completion 作者：Chang Liu, Xin Wang 单位：加州大学伯克利分校（University of California, Berkeley） 会议：ICLR 2017 (???为啥openreview网站上写reject) 模型公式 嵌入 Ei=ANi+BTi \begin{array}{rcl} E_i = AN_i + BT_i \end{array} Ei​=ANi​+BTi​​ LSTM (qfog)=(σσσtanh⁡)PJ,2J(xihi
big code: Code Completion with Neural Attention and Pointer Networks 源码分析
大黄老鼠的小本本
10-14 541
代码和数据 这篇论文的源码在： https://github.com/jack57lee/neuralCodeCompletion 数据集在： http://plml.ethz.ch/ 经过处理的数据在： https://drive.google.com/open?id=1EZZuL8Rl3tatvxpIClvO_a8JD_Oid_oY vanillaLSTM 首先分析最简单的vanillaLSTM 代码是： https://github.com/jack57lee/neuralCodeCompletion
big code: Code Completion/Suggestion 发展简史
大黄老鼠的小本本
05-19 422
模型 统计语言模型(n-gram和RNN) Code Completion with Statistical Language Models [ACM SIGPLAN Notices 2014] RNN Toward Deep Learning Software Repositories [MSR 2015] 决策树 Probabilistic Model for Code with Decision Trees [OOPSLA 2016] LSTM Neural Code Comp
big code: Code Completion with Neural Attention and Pointer Networks [IJCAI 2018][ccf A类 会议]
大黄老鼠的小本本
05-26 395
原文：Code Completion with Neural Attention and Pointer Networks 作者：Jian Li 单位：中国香港大学（The Chinese University of Hong Kong） 会议：IJCAI 2018 注：IJCAI是中国计算机学会推荐国际学术会议（人工智能）A 类，全称是International Joint Conference on Artificial Intelligence 数据 x = 7 print x+1 [ {"type
Pointer Networks
weixin_37958272的博客
07-08 198
Pointer Networks encoder-decoder这些方法仍然需要预先确定输出字典的大小。由于这个限制，我们不能直接将这个框架应用于输出字典的大小取决于输入序列的长度的组合问题。在本文中，我们通过重新利用[5]的注意机制来创建指向输入元素的指针来解决这个限制。 2.1 Sequence-to-Sequence Model 给定一对训练对，(P, CP)，序列到序列模型计算条件概率p(CP∣P;θ)p(\mathcal C^{\mathcal P}|\mathcal P;\theta)p(CP∣
Neural_Tensor_Network_For_KB_Completion:Java中用于知识库完成的神经张量网络
05-29
Neural_Tensor_Network_For_KB_Completion v0.1 用于知识库完成的神经张量网络，如论文“Reasoning With Neural Tensor Networks For Knowledge Base Completion”（ by Richard Socher*、Danqi Chen*）中所述...
big code: 任务、数据集、网站等资源汇总 (持续更新)
大黄老鼠的小本本
05-21 4538
Fill–In–The–Blank 把一段代码某个变量挖空，然后预测这个变量名 挖掉红色部分，但保留绿色部分，预测红色部分，看能不能预测出n这个变量 相关论文 Deep Learning On Code with an Unbounded Vocabulary [EasyChair 2018] Variable Naming 把一段代码中，某一相同变量名全部挖空，自动生成这个变量名 挖掉绿色部分，最后要预测出绿色部分的变量名是expectedsLength 相关论文 Deep Learning O
【文献阅读(1)】In defense of classical image processing: fast depth completion on the CPU
weixin_42306148的博客
03-23 3733
In defense of classical image processing: fast depth completion on the CPU 文章目录In defense of classical image processing: fast depth completion on the CPU摘要IntroductionRelated WorksProblem FormulationProposed Algorithm算法说明实验和结果结论 摘要 随着数据驱动的深度神经网络作为一种通用函数逼近器
【论文详解】In Defense of Classical Image Processing: Fast Depth Completion on the CPU
LCJhust2012的博客
08-02 3254
        论文《In Defense of Classical Image Processing: Fast Depth Completion on the CPU》提出了一种用经典的图像处理算法进行深度补全的算法，不依赖于任何训练数据，没有使用深度学习模型。 主要贡献： 1.提出了一种快速的深度补全的算法，能从稀疏的深度图中恢复完整的深度图，并且在CPU上可达到90Hz的频率。该算法的...
【论文阅读】PF-Net: Point Fractal Network for 3D Point Cloud Completion
进步青年
06-02 5897
背景 点云补全（Point Cloud Completion）用于修补有所缺失的点云（Point Cloud），从缺失点云出发估计完整点云，从而获得更高质量的点云。 点云有助于用较小的数据量描述三维物体，在三维物体的检测识别领域应用广泛。 在 PointNet 和 PointNet++ 使用深度学习网络实现了点云分割和点云分类之后，点云深度学习逐渐成为热门研究领域。但是，从激光雷达等设备中获取的点云往往有所缺失（反光、遮挡等），这给点云的后续处理带来了一定的困难，也凸显出点云补全作为点云预处理方法的重.
《Pointer Networks》
qq_34325086的博客
09-29 618
这周读的是《Pointer Networks》这篇文章。作者是Google brain和UC Berkeley的研究人员，作者在本文中通过对编码器-解码器机制和注意力机制进行改进，提出了新的网络结构pointer network，并将其运用到解决组合最优化问题。下图为seq2seq模型与指针网络的对比： 可以看出传统的seq2seq模型最终产生的是一个序列，且序列中包含的元素个数与输入序列中...
big code: Learning python code suggestion with a sparse pointer network [ICLR 2017]
大黄老鼠的小本本
05-15 283
Learning python code suggestion with a sparse pointer network [ICLR 2017] 原文：Learning python code suggestion with a sparse pointer network 作者：Avishkar Bhoopchand 单位：伦敦大学学院（University College London） 会议：ICLR 2017 模型 神经语言模型 对序列S=a1,…,aNS = a_1, \ldots, a_NS
人工智能资料库：第9辑（20170113）
chuange6363的博客
09-10 133
【论文集】The classical papers and codes about generative adversarial nets 简介： 这是一个关于生成对抗网络的经典论文和代码集。 原文链接：https://github.com/zhangqianhui/Adv...
PaperWeekly 第36期 | Seq2Seq有哪些不为人知的有趣应用？
weixin_34200628的博客
08-01 208
引言 Seq2Seq 于 2013年、2014 年被多位学者共同提出，在机器翻译任务中取得了非常显著的效果，随后提出的 attention 模型更是将Seq2Seq推上了神坛，Seq2Seq+attention 的组合横扫了非常多的任务，只需要给定足够数量的 input-output pairs，通过设计两端的 sequence 模型和 att...
论文翻译1——基于图的程序表示
chen27jin的博客
02-24 963
基于图的程序表示 Miltiadis Allamanis1  Marc Brockschmidt2  Mahmoud Khademi3 (1：微软研究院 剑桥大学 miallama@microsoft.com） （2：微软研究院 剑桥大学mabrocks@microsoft.com ） （3：西蒙弗雷泽大学mkhademi@sfu.ca ） 摘要 最近关于源代码（即正式语言）的学习任务...
Calendar of Computer Image Analysis, Computer Vision Conferences
guifeng93的博客
06-28 1472
Full Conference Calendar by Year.You can sort by Date, Due Date, Name.Direct links to the next meeting of regular major conferences: [ICCV | CVPR | ECCV | ACCV | ICIP | ICPR |WACV | The current Week]G...
summary
何新生(Daniel) 勇敢坚毅真正之才智乃刚毅之志向。 —— 拿破仑
03-31 420
summary
Paper Notes——Deep Learning In Program Synthesis and Induction
pkueecscss的博客
07-05 703
Neural program synthesis&Induction的三篇入门论文，在期末过后的招生季,在往返南北的飞机上、酒店房间的小憩中断断续续地读下来，在此记之。 By Samuel Chen 2019.6 1.Recent Advances in Neural Program Synthesis 综述性文章，介绍了Program Induction的概念、常见模型、它们的表现及改进...
tabnine ai code completion for enterprise 和 tabnine ai code completion-js java 区别
最新发布
06-12
Tabnine AI Code Completion for Enterprise 是 Tabnine 面向企业用户提供的高级版本，支持多种编程语言和框架，并提供了更好的性能和更高的准确性。主要用于提高企业团队的编码效率和代码质量。而 Tabnine AI Code ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值