APIRecX: Cross-Library API-Empfehlung über ein vortrainiertes Sprachmodell

Für Programmierer ist das Erlernen der Nutzung von APIs (Application Programming Interfaces) einer Softwarebibliothek wichtig, aber schwierig. API-Empfehlungstools können Entwicklern helfen, APIs zu verwenden, indem sie empfehlen, welche APIs als Nächstes verwendet werden sollten, basierend auf den bereits geschriebenen APIs. Traditionell werden Sprachmodelle wie N-gram für API-Empfehlungen angewendet. Da sich jedoch die Softwarebibliotheken ständig ändern und neue Bibliotheken entstehen, sind neue APIs häufig. Diese neuen APIs können als OOV (out of vocabulary) Wörter betrachtet werden und können von bestehenden Ansätzen zur API-Empfehlung aufgrund von fehlenden Trainingsdaten nicht gut behandelt werden. In diesem Papier schlagen wir APIRecX vor, den ersten Ansatz zur API-Empfehlung über Bibliotheksgrenzen hinweg, der BPE verwendet, um jeden API-Aufruf in jeder API-Sequenz zu splitten und ein auf GPT basierendes Sprachmodell vorzutrainieren. Es empfiehlt dann APIs, indem es das vortrainierte Modell feinjustiert. APIRecX kann das Wissen bestehender Bibliotheken auf eine neue Bibliothek übertragen und kann zuvor als OOV betrachtete APIs empfehlen. Wir bewerten APIRecX anhand von sechs Bibliotheken, und die Ergebnisse bestätigen seine Effektivität im Vergleich zu zwei typischen Ansätzen zur API-Empfehlung.