하드웨어 설명의 자연스러움에 대하여

소프트웨어 리포지토리 마이닝(Software Mining Repositories, MSR)은 코드 완성, 코드 수정, 코드 검색 및 코드 요약을 포함한 다양한 소프트웨어 엔지니어링 작업을 개선하는 데 사용되는 데이터를 추출하는 데 효과적임이 입증되었습니다. MSR에 대한 많은 연구에도 불구하고, 연구자들은 Java 및 C/C++와 같은 명령형 프로그래밍 언어로 작성된 코드가 포함된 리포지토리에 거의 독점적으로 초점을 맞춰왔습니다. 이전 연구와 달리 이 문서에서는 VHDL과 같은 하드웨어 설명 언어(HDL)로 작성된 공개 하드웨어 설명(HDs)을 마이닝하는 데 중점을 둡니다. HDL은 대중적인 명령형 언어와 비교하여 독특한 구문 및 의미론을 가지고 있으며, 하드웨어 설계자에게 사용할 수 있는 학습 기반 도구는 다른 애플리케이션 도메인에서 사용되는 도구보다 훨씬 뒤처져 있습니다. 우리는 여러 HDL로 작성된 소스 코드로 구성된 대규모 HD 말뭉치를 구성하였고, 그것의 특성에 대해 보고합니다. 우리의 언어 모델 평가 결과 HD는 명령형 언어로 작성된 소프트웨어와 유사한 높은 수준의 자연스러움을 지니고 있음을 보여줍니다. 또한, 우리의 말뭉치를 활용하여 VHDL에서 자동 코드 완성을 위한 여러 심층 학습 모델을 구축하였습니다; 우리의 모델은 근접한 동시 신호 할당 문장의 유사성, 내장된 동시성 및 자주 사용되는 신호 유형을 포함한 HDL의 독특한 특성을 고려합니다. 이러한 특성은 더욱 효과적인 신경 모델을 이끌어내어 BLEU 점수 37.3을 달성했으며, 이는 규칙 기반 및 신경 기초선보다 8-14점 향상된 결과입니다.