土豆洋芋山药蛋的博客

CodeShovel: Constructing Method-Level Source Code HistoriesConference: ICSE 2021Github：https://github.com/ataraxie/codeshovel/工具展示页面：https://se.cs.ubc.ca/CodeShovel/index.html下图是这篇文章所提出工具的一个展示网页。这个工具的一个亮点是，在修改文件名，修改文件路径后依然能够在很大准确率下追踪源代码方法级别上完整的修改历史。

Coda: An End-to-End Neural Program DecompilerConference: NeurIPS 2019这篇文章提出了一个新的反编译框架Coda，分为code sketch generation 和 error correction两部分。在第一部分使用了Tree-LSTM，AST generation 和 Attention机制，第二部分使用了迭代式的纠错方法改正第一部分可能出现的错误。因为包含了指令类型感知型的Encoder和AST生成，所以Coda也可以容易地推

JuICe: A Large Scale Distantly Supervised Dataset for Open Domain Context-based Code GenerationConference: EMNLP-2019Rajas Agashe, Srinivasan Iyer and Luke ZettlemoyerPaul G. Allen School of Computer Science and Engineering, Univ. of Washington, Seattle

Text Summarization with Pretrained EncodersYang Liu and Mirella LapataInstitute for Language, Cognition and Computation School of Informatics, University of Edinburgh yang.liu2@ed.ac.uk, mlap@inf.ed.ac.ukEMNLP 2019link: https://arxiv.org/abs/1908.08345

Order Matters: Semantic-Aware Neural Networks for Binary Code Similarity DetectionAuthors:Zeping Yu,1∗ Rui Cao,1∗ Qiyi Tang,1 Sen Nie,1 Junzhou Huang,2 Shi Wu1† 1Tencent Security Keen Lab, Shanghai, China2Tencent AI Lab, Shenzhen, China{zepingyu, ruich

TreeGen: A Tree-Based Transformer Architecture for Code GenerationConference: AAAI 2020Autors:Zeyu Sun,† Qihao Zhu,† Yingfei Xiong,∗† Yican Sun,† Lili Mou,‡ Lu Zhang† †Key Laboratory of High Confidence Software Technologies (Peking University), MoE; Sof

A Gentle Introduction to Deep Sets and Neural Processes关于 Deep Sets个 Neural Processes的简单介绍Link: https://gordonjo.github.io/post/deepsets_nps/Author:Jonathan GordonMachine Learning PhD StudentMy research interests include probabilistic machine learni

OCoR: An Overlapping-Aware Code RetrieverConference: ASE 2020Authors:摘要代码搜索任务是通过给出一段自然语言描述，模型能够找到一系列最相关的代码片段，由此来帮助开发人员重用代码。然而现有的方法都无法来专门捕获一个重要的特征：单词重叠（overlaps）。有不同的开发人员写的使用的不同名称可能是相关联的，比如“message”和“msg”它们表达的意思很可能是相同的。而且对于程序语言的变量名称和相应的自然语言描述之间的overl

随便用了一下，果然名不虚传，真的是很方便的软件，下面就总结一下常规操作。对了，这款软件的免费版可以一个项目中导入100个文献，一般情况下足够用了。导入本地文件开始使用一般情况下我们都是直接导入本地文献阅读，做笔记的，下面就简单介绍下Citavi怎么做。0.新建一个项目并命名。1.导入本地文献导入期刊：到这里就导入本地文献了。2.对文献进行分类现在就可以开心的使用Citavi，...

在准备读论文的时候，第一件事应该是先找找方法论——具体应该怎读文献更高效，而不是拿着一篇文章从头开始读。同理，在做一件事之前，第一步不是着手做这件事，而是①先想做这件事有没有什么好的方法，有没有前人的经验可以借鉴，②接着在想对自己来说应该采取什么方法策略做这件事，③然后在着手做。刚开始读论文的时候，我是采取下面这种方法：显然这种流水线式的操作不是最高效的。通常情况下应该按照下面的方法利...

论文来源：Comparison of Deep Learning With Multiple Machine Learning Methods and Metrics Using Diverse Drug Discovery Data Sets机器学习方法在医药研究中已经应用了几十年。与贝叶斯方法相结合的指纹类型分子描述符的相对易用性和可用性使得该方法广泛应用于与药物发现相关的各种端点阵列...

论文来源：Prediction of Drug-Likeness Using Deep Autoencoder Neural Networks摘要由于各种各样的原因，大多数候选药物最终不能成为上市药物。建立可靠的预测候选化合物是否具有药物相似度对提高药物的发现和开发成功率具有重要意义。在这篇文章中，做事使用全连接神经网络（FNN）来构建类药性分类模型，并使用深度自编码器来初始化模型参数...

论文来源：Sheng, Tian,Junmei, Wang,Youyong, Li,Xiaojie, Xu,Tingjun, Hou.Drug-likeness analysis of traditional Chinese medicines: prediction of drug-likeness using machine learning approaches.[J].Molecula...