.png){kind=icon}
返回
Capturing the context-aware code change via dynamic control flow graph for commit message generation
.png){kind=icon}
PRE
AI
DOI：10.1007/s10994-024-06671-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
用自然语言总结每个提交代码变更的提交信息，有助于开发人员在不深入实现细节的情况下理解代码变更，因此在理解软件演化方面发挥着关键作用。在构建自动生成提交信息的模型时，先前的研究主要关注从变更的代码片段（即代码差异）中提取信息，而忽略了未变更的代码片段（即代码上下文）。然而，大多数研究往往忽视了代码变更是上下文感知的，即代码差异的语义高度依赖于其代码上下文。为了考虑代码上下文，出现了一个关键挑战：广泛的代码上下文可能会掩盖微小的代码差异，从而难以捕捉变更的语义，这对提交信息生成是不利的。在本文中，我们提出了动态控制流图（DCFG），它将代码上下文和代码差异结合到一个动态的全局-局部结构中。基于DCFG，我们设计了一个新颖的框架，称为“为提交信息生成捕获上下文感知的代码变更”（C4MG），该框架试图基于相关代码上下文对代码变更的变更语义进行建模，同时避免被大量未变更的代码上下文误导。广泛的实验表明，得益于对上下文感知的代码变更进行建模，C4MG不仅在提交信息生成方面优于当前最先进的开源模型，而且优于大型语言模型（如LLaMA3、GPT-4o和Gemini）。
Keyword:
Machine learning
Commit message generation
Dynamic control flow graph
期刊
IF:
2.9
论文数:
2.7K
被引数:
3.4W
机构
暂无机构信息
引用论文
CoreGen: Contextualized Code Representation Learning for Commit Message Generation.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Combining Code Context and Fine-grained Code Difference for Commit Message Generation结合代码上下文和细粒度代码差异进行提交信息生成
PREAI
分享收藏
查看更多内容