CodeMend

Les APIs logicielles contiennent souvent trop de méthodes et de paramètres pour que les développeurs puissent les mémoriser ou naviguer efficacement. Au lieu de cela, les développeurs se tournent vers des moteurs de recherche en ligne et des systèmes tels que Stack Overflow pour trouver des réponses. Cependant, le processus de recherche et d'intégration d'une solution fonctionnelle est souvent très chronophage. Bien que les moteurs de recherche de code aient amélioré leur qualité, il existe encore des lacunes significatives en matière de langage et de workflow pour répondre aux besoins des utilisateurs finaux. Les programmeurs novices et intermédiaires manquent souvent du langage pour interroger et de l'expertise pour transférer le code trouvé à leur tâche. Pour remédier à ce problème, nous présentons CodeMend, un système pour soutenir la recherche et l'intégration de code. CodeMend exploite un modèle d'embedding neural pour modéliser conjointement le langage naturel et le code tels que minés à partir de grands ensembles de données Web et de code. Nous démontrons également une interface mixte et d'initiative partagée pour soutenir les étapes de requête et d'intégration. Grâce à CodeMend, les utilisateurs finaux décrivent leur objectif en langage naturel. Le système met en évidence les fonctions API pertinentes, les lignes dans le programme de l'utilisateur final qui doivent être modifiées, ainsi que la proposition de l'amendement réel. Nous démontrons l'utilité et la précision de CodeMend à travers des études en laboratoire et de simulation.