NobleBlocks

Research indexJournal article

深層学習を用いたソースコード分類手法の比較調査

FUJIWARA, CHOI, YOSHIDA and 1 other

OUKA (Osaka University Knowledge Archive) (Osaka University)Open access

NobleIDark:/48914/w1/20260525/1D2D0432DOI10.14923/transinfj.2020jdp7068

Abstract

近年,深層学習を用いてソースコード分類を行う種々の手法が提案されている.これらの手法では,ニューラルネットワークにソースコードのトークン列などを学習させることでソースコード分類を行う.そのとき,ソースコード分類に有効でないニューラルネットワークやソースコード表現を学習に利用すると学習効率が低下するため,適切なニューラルネットワークやソースコード表現を選定する必要がある.しかし,どのニューラルネットワークやソースコード表現の組合せが高精度なソースコード分類手法の実現に有効かは明らかになっていない.本研究では,深層学習を用いたソースコード分類手法の比較調査を行う.まず,既存研究で広く利用されているニューラルネットワークを三つ選択した.次に,ニューラルネットワークにソースコードのトークン列または抽象構文木を学習させた計6種類のソースコード分類手法の精度を比較した.その結果,ソースコードのトークン列を学習した再帰型ニューラルネットワークの精度が最も高いことを確認した.また,深層学習と非深層学習の手法のソースコード分類精度を比較し,深層学習の手法の分類精度が高いことを確認した.

Discussion

Topics

More

Suggest a correction or report