北大新成果!首次成功地将CNN解码器用于代码生成 | 论文+代码
乾明 发自 凹非寺
想象一下。
直接说你想干什么,就能生成相应的代码,会是多么“功德无量”一件事。
最直接受益的,就是程序员群体。
再也不用饱受“996”的折磨,也不用摸着不断后退的发际线而黯然神伤。
现在,这一天又近了一些。
最近,有一篇论文提出了一种基于语法的结构化CNN代码生成器,用《炉石传说》(HearthStone)基准数据集进行实验的结果表明:
准确性上明显优于以前最先进的方法5个百分点。
这篇论文目前已经被AAAI 2019收录。作者在论文中表示,他们是第一个成功地将CNN解码器用于代码生成的团队。
那么问题来了:
将CNN解码器用到代码生成,与之前的方法相比,到底有什么不同?
他们的模型又有什么特殊之处?效果到底好在哪?
下面,我们就来一一回答这些问题。
用CNN解码器生成代码的优势
基于自然语言描述生成代码,是挺难的一件事。
现在,通常用循环神经网络( RNN)进行序列生成,生成一首诗、进行机器翻译,都没问题。
但用在生成代码上,“麻烦”就来了。
程序中有很多结构化的信息,对程序建模很重要,但传统的Seq2Seq神经网络,并没有明确对程序结构进行建模。就比如下面这个Python的抽象语法树(AST)。
其中,n3和n6两个节点应该作为父子节点紧密交互,但如果使用传统的Seq2Seq方法,就会导致他们“父子离散”,彼此远离。
为了解决这个问题,很多人都开始想各种办法。其中一个关键方法就是用卷积神经网络(CNN),毕竟人家效率高,训练也简单。
这篇论文,就是一个代表。而且是第一个成功地将CNN解码器用于代码生成的,颇具分水岭意义。
在论文中,作者也介绍说,这比原来的RNN强多了。最主要的一点就是:
输入的程序一半都比自然语言句子长得多,就算RNN有LSTM(long short-term memory)的加持,也会一直受到依赖性问题的困扰。
而CNN就不一样了,可以通过滑动窗口(slide window)有效地捕捉不同区域的特征。
那,这个模型是怎么设计的呢?
模型设计
论文中介绍的CNN,是一种基于语法的结构化CNN。模型会根据AST的语法结构规则生成代码,而且还能预测语法规则的顺序,最终构建整个程序。
那,他们是如何预测语法规则的呢?主要基于三种类型的信息:
指定要生成的程序的源序列、之前预测的语法规则和已经生成的部分AST。
第一种很好理解,是编码器的输入。后两种的任务,就是使解码器能够自回归(autoregressiveness),并且解码器也以编码器为条件。
为了让这个结构化CNN更适合于代码生成,他们还设计了几个不同的组件:
第一,基于树的卷积思想,在AST结构上应用滑动窗口。然后,设计另一个CNN模块对部分AST中的节点进行前序遍历。这两种类型的CNN不仅捕获序列中的“邻居”信息,还捕获树结构中的“邻居”信息。
第二,将另一个CNN模块应用于要生成的节点的祖先,让网络知道,在某个步骤中在哪里生成。从而增强“自回归性”。
第三,设计专门的注意力机制,将CNN的特征与不同的CNN模块进行交互。此外,作者表示,在代码生成过程中考虑范围名称(例如,函数和方法名称)是有用的,所以就使用了这样的信息当作几个池层的控制器。
于是,就得出了这样的一个模型。
△模型概述。虚线箭头表示注意力控制器。
这个模型,效果到底怎么样呢?
模型效果
作者用两个任务评估了模型的效果。一个是生成《炉石传说》游戏的Python代码,一个是用于语义解析的可执行逻辑形式生成。
生成《炉石传说》的Python代码
这个任务使用的是《炉石传说》基准数据集,一共包括665张不同卡牌。
输入是字段的半结构化描述,例如卡牌名、成本、攻击、描述和其他属性;
要输出的是实现卡牌功能的Python代码片段。
通过准确性与BLEU分数来测量模型的质量。在准确性方面,作者追踪了之前大多数研究相同的方法,根据字符串匹配计算精度(表示为StrAcc )。
有时候,几个生成的程序使用了不同的变量名,但功能是正确的,这就需要人为去调整。并用Acc +表示人为调整的精度。
最后,用BLEU值评估生成的代码的质量。
结果如下图所示:
在准确性和BLEU分数方面,都优于之前的所有模型。StrAcc比之前最好的模型高出了5个百分点。经过人为调整后的Acc+达到了30.3%,增加了3个百分点,之前的模型最好的效果提高了2%。
作者认为,这显示了他们方法的有效性。至于之前的模型跟他们的模型在BLEU分数上的相似性,作者解释道,代码生成还是要看细节。
语义解析任务
在语义解析任务中,使用的两个语义解析数据集( ATIS和JOBS ),其中输入是自然语言句子。ATIS的输出是λ演算形式,而对于JOBS,输出的是Prolog形式。
在这两个数据集中,论文中提出的模型并没有展现出什么优势。
作者在论文中表示,这可能是因为语义解析的逻辑形式通常很短,因此,RNN和CNN都可以生成逻辑形式。
不过,这个实验也证明了用CNN进行代码生成的普遍性和灵活性。毕竟,整个模型基本上是为长程序设计的,在语义解析方面也很好。
关于作者
按照署名顺序,作者分别为孙泽宇、朱琪豪、牟力立、熊英飞、李戈、张路,其中其中熊英飞为通讯作者。作者单位为北京大学信息科学技术学院。
传送门
论文:
https://arxiv.org/abs/1811.06837
GitHub:
https://github.com/zysszy/GrammarCNN
— 完—
相关文章
-
苹果AppStore遭美国反垄断审查,主要针对苹果税等支付政策
-
科技晚报:相互保更名相互宝 Facebook“作战室”已关闭
-
奈雪の茶创始人公开“怒怼”喜茶抄袭 双方杠上了
-
三星在中国一面撤资,一面增资是为何?
-
万达百货更名苏宁易购广场苏宁加速布局新零售
-
这3个小技巧,助你在“赣服通”快速查找所需服务
-
vivo有了IQOO OPPO也要在国内重启Realme?
-
阿里合伙人新增两名80后“技术男”
-
《黑客帝国4》预告片玩出花样,18万个不同版本,却惨遭网友群嘲
-
从豆瓣小组到互动教程小程序,帮老年人打造“手机学习班”
-
“战斗天使”小米9的“阿克琉斯之踵”
-
腾讯云发力小程序、物联网、AI等领域,打造全链路开发者体系
-
上上签电子签约陶真:电子签名+合同管理怎样助力产业互联网腾飞
-
苹果第三财季净利润100.5亿美元同比降13%,连降三季度
-
云联盟开网仪式
-
科学家最新预言!300年后的人类是这样的,太震撼了
-
回望2018:华为云的顺势和错位
-
智慧化城市概述是什么?
-
风雨飘摇二十年,MMO游戏还有春天吗?
-
新闻源媒体怎么发布,新闻源可以发布到哪些新闻媒体网站
-
加速数字化转型-7页
-
最前线|人工智能该不该有道德观?阿里罗汉堂发布了关于数字经济的十个问题
-
南阳宛城区卧龙区方城县社旗县西峡县淅川县镇平县内乡县视频后期制作商旗教育
-
酒店App被微信小程序取代,90%中国酒店品牌已接入微信生态
-
勤劳却不富有?如今,中国吃货将改变这个非洲国家
-
【钛晨报】京东投资12.7亿元购买五星电器46%股份;Uber接近与软银等达成总计10亿美元投资协议;亚马逊将关闭中国国内电商业务
-
【腾讯视频组织调整:重视算法进行全品类视频内容运营】
-
8亿亏损背后:瑞幸打江山难,守江山更难?
-
马化腾青腾大学演讲:人口红利正在向创新红利转变