TY -的A2 Bures Miroslav AU -拉赫曼。Mostafizer AU - Watanobe说Yutaka AU -中村,凯塔PY - 2020 DA - 2020/07/14 TI -一个基于神经网络的智能支持模型程序代码完成SP - 7426461六世- 2020 AB -近年来,数以百万计的源代码生成在不同的语言每天世界各地。深神经网络智能支持源代码完成模型将是一个很大的优势在软件工程和编程教育领域。大量的语法,逻辑,和其他关键的错误不能被正常编译器源代码的继续存在,和一个智能的发展评价方法不依赖于手工编译已经成为必不可少的。即使是经验丰富的程序员常常发现有必要分析整个程序为了找到一个错误,因此被迫浪费宝贵的时间调试他们的源代码。记住这一点,我们提出了一个智能模型,该模型是基于长期短期记忆(LSTM),并把它跟一个源代码的注意力机制完成。因此,该模型可以检测源代码错误位置,然后预测正确的单词。此外,该模型可以将源代码是否他们是错误的。我们训练我们的模型使用的源代码,然后评估性能。所有的数据用于我们的实验提取Aizu在线法官(AOJ)系统。实验结果表明,错误检测和预测的准确性方面我们提出的模型大约是62%和源代码分类精度是大约96%,表现优于标准LSTM和其他先进的模型。 Moreover, in comparison to state-of-the-art models, our proposed model achieved an interesting level of success in terms of error detection, prediction, and classification when applied to long source code sequences. Overall, these experimental results indicate the usefulness of our proposed model in software engineering and programming education arena. SN - 1058-9244 UR - https://doi.org/10.1155/2020/7426461 DO - 10.1155/2020/7426461 JF - Scientific Programming PB - Hindawi KW - ER -