Key points are not available for this paper at this time.
La summarisation de code, visant à générer une description succincte en langage naturel du code source, est extrêmement utile pour la recherche de code et la compréhension du code. Elle a joué un rôle important dans la maintenance et l'évolution des logiciels. Les approches précédentes génèrent des résumés en récupérant des résumés de fragments de code similaires. Cependant, ces approches dépendent fortement de la possibilité de récupérer des fragments de code similaires, de la similarité de ces fragments, et échouent à capturer les connaissances API dans le code source, qui portent des informations vitales sur la fonctionnalité du code source. Dans cet article, nous proposons une nouvelle approche, nommée TL-CodeSum, qui utilise avec succès les connaissances API acquises dans une tâche différente mais connexe à la summarisation de code. Des expériences sur de grands projets Java réels dans l'industrie indiquent que notre approche est efficace et surpasse l'état de l'art dans la summarisation de code.
Hu et al. (Sun,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: