Resum final baseado em interpretação

O comentário de código, ou seja, o texto em linguagem natural para descrever a semântica de um trecho de código, é uma forma importante para os desenvolvedores compreenderem o código. Recentemente, várias abordagens foram propostas para gerar automaticamente o comentário dado um trecho de código, visando facilitar as atividades de compreensão dos desenvolvedores. Apesar de as abordagens mais avançadas já terem utilizado técnicas de aprendizado de máquina sofisticadas, como o modelo Transformer, elas frequentemente ignoram informações críticas do código-fonte, levando à imprecisão da sumarização gerada. Neste artigo, para aumentar a eficácia da sumarização de código, propomos um paradigma em duas etapas, onde na primeira etapa, treinamos um modelo pré-existente e então identificamos seus focos ao gerar a sumarização inicial, através de uma abordagem de interpretação do modelo, e na segunda etapa, reforçamos o modelo para gerar uma sumarização mais qualificada com base no código-fonte e seus focos. Nossa intuição é que, dessa forma, o modelo poderia aprender a identificar quais informações críticas no código foram capturadas e quais foram perdidas em sua sumarização inicial, e assim revisar sua sumarização inicial de acordo, assim como um estudante humano aprende a escrever sumarizações de alta qualidade para um texto em linguagem natural. Experimentos extensivos em dois conjuntos de dados de grande escala mostram que nossa abordagem pode aumentar significativamente a eficácia de cinco abordagens de sumarização de código de ponta. Especificamente, para o conhecido resumidor de código, DeepCom, utilizar nosso paradigma em duas etapas pode aumentar seus valores BLEU-4 em cerca de 30% e 25% nos dois conjuntos de dados, respectivamente.