深層学習を用いたソースコード分類手法の比較調査

FUJIWARA, Yuji; CHOI, Eunjong; YOSHIDA, Norihiro et al.

電子情報通信学会論文誌D 情報・システム, 2021, J104-D(8), 622-635

アクセス数:488件（2026-07-28 17:06 集計）

固定URL: https://hdl.handle.net/11094/92559

閲覧可能ファイル 

ファイル フォーマット 利用条件 サイズ 閲覧回数 利用開始日 説明 information
j104-d_8_622 pdf なし 2.67 MB 148 2023.09.26  

論文情報

ファイル出力 EndNote Basic出力 Mendeley出力

タイトル
深層学習を用いたソースコード分類手法の比較調査
Comparing Deep Learning-based Approaches for Source Code Classification
著者
著者名
FUJIWARA, Yuji
著者名
CHOI, Eunjong
NRID
1000000582545 1000000582545
著者名
YOSHIDA, Norihiro
NRID
1000020168438 1000020168438
著者名
INOUE, Katsuro
キーワード等
graph convolution networks
recurrent neural networks
feedforward neural networks
source code classification
deep learning
グラフ畳み込みネットワーク
再帰型ニューラルネットワーク
順伝播型ニューラルネットワーク
ソースコード分類
深層学習
内容
FUJIWARA, Yuji, CHOI, Eunjong, YOSHIDA, Norihiro, et al. Comparing Deep Learning-based Approaches for Source Code Classification. 電子情報通信学会論文誌D 情報・システム J104-D, 622 (2021); https://doi.org/10.14923/transinfj.2020JDP7068.
抄録
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．
出版者
電子情報通信学会
The Institute of Electronics, Information and Communication Engineers
収録物名
電子情報通信学会論文誌D 情報・システム
巻(号)
J104-D(8)
ページ
622-635
刊行年月
2021-08-01
言語
日本語
ハンドルURL
https://hdl.handle.net/11094/92559
PISSN
18804535
eISSN
18810225
NCID
AA12099634
関連情報 (isIdenticalTo)
DOI (出版社版)
https://doi.org/10.14923/transinfj.2020JDP7068
アクセス権
open access
権利情報
Copyright © 2021 IEICE
出版タイプ
Version of Record
カテゴリ
学術雑誌論文 Journal Article