Automatic Algorithm Recognition of Source-Code Using Machine Learning
Automatic Algorithm Recognition of Source-Code Using Machine Learning
复制标题
使用机器学习自动算法识别源代码
DOI：
10.1109/icmla.2017.00033
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
A. Al
中科院分区：
文献类型：
--
作者：
M. Shalaby;Tarek Mehrez;Amr El Mougy;Khalid Abdulnasser;A. Al
随着软件项目的代码库越来越大，达到数百万行代码的范围，对计算机辅助程序理解的需求也在增长。我们将程序理解的任务之一定义为算法识别：给定文件中的一段源代码，识别该代码正在实现的算法，例如蛮力或动态规划。该领域的大多数研究都是利用模式匹配，这需要大量的人力，并且当程序的结构和语义发生变化时，其准确性值得怀疑。因此，本文建议放弃已定义的模式，使用更简单的特征，如变量计数和不同结构计数来识别算法。然后，我们将这些特征提供给分类算法，以预测该源代码中使用的算法的类别或类型。实验结果表明，本文提出的方法在基线基础上取得了较好的改进。
As codebases for software projects get larger, reaching ranges of millions of lines of code, the need for computeraided program comprehension grows. We define one of the tasks of program comprehension to be algorithm recognition: given a piece of source-code from a file, identify the algorithm this code is implementing, such as brute-force or dynamic programming. Most research in this area is making use of pattern matching, which involves much human effort and is of questionable accuracy when the structure and semantics of programs change. Thus, this paper proposes to let go of defined patterns, and make use of simpler features, such as counts of variables and counts of different constructs to recognize algorithms. We then feed these features to a classification algorithm to predict the class or type of algorithm used in this source code. We show through experimental results that our proposed method achieves a good improvement over baseline.
SR-A（其配体是修饰的低密度脂蛋白）对 1 型糖尿病发病的影响。
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
清水まみ;安田尚史;中村晃;勝田敦美;佐々木弘智;荒井隆志;永田正男;原賢太;横野浩一
通讯作者：
横野浩一