.png){kind=icon}
返回
CSJSS: Augmenting code summarization with joint structural semantic of abstract syntax trees
.png){kind=icon}
PRE
AI
DOI：10.1016/j.infsof.2025.107953.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
代码摘要旨在为代码片段生成全面的自然语言描述。当前的方法主要侧重于从抽象语法树（ASTs）中提取语法和结构信息。然而，从结构角度看，AST中的大量细粒度节点可能导致结构特征的捕获不完整。因此，生成的摘要可能存在冗余。为解决此局限性，我们提出了CSJSS（基于抽象语法树联合结构语义的代码摘要），一种新型代码摘要模型，通过整合AST的联合结构语义来增强摘要效果。CSJSS采用编码器-解码器架构。基于Transformer的编码器捕捉代码标记序列的文本特征。此外，联合编码器结合了子树级递归神经网络（S-RvNN）和全局树结构编码（C-RvNN）。它通过图注意力机制动态优化AST特征权重，从而融合局部和全局结构语义。在TLCodeSum和Funcom数据集上进行的广泛实验表明，CSJSS优于现有最先进模型，在摘要质量上实现了显著提升。本研究为代码摘要的未来发展奠定了基础，并突显了整合多样化特征表示以提升摘要准确性的潜力。
