Обзор проекта:

Инструмент автоматического завершения кода на основе анализа контекста и глубинного обучения DeepAPIRec был выпущен командой CodeWisdom лаборатории программной инженерии Фуданьского университета. DeepAPIRec использует информацию о использовании API в коде и его структурные данные, а также объединяет Child-Sum Tree-LSTM и N-ary LSTM сети как модели глубинного обучения для рекомендации API. Кроме того, DeepAPIRec создаёт статистическую модель параметров для экземпляризации параметров API и переупорядочивает рекомендованные глубинной моделью API.

Основные характеристики:

1. Поддержка рекомендации одиночных строк кода API (в настоящее время поддерживаются рекомендации API JDK 1.8 и конструкций управления, таких как if, while, for).

2. Поддержка заполнения параметров рекомендованных API.

3. Отображение краткого описания использования рекомендованных API.

4. Автоматическое импортирование информации import для необходимых API.

Сбор данных для тренировки DeepAPIRec:

1. Выполните ConstructDataMain3.java в Extractor/src/main/java/constructdata (filePaths в ConstructDataMain3.java указывают пути к java-файлам (.txt) всех проектов, используемых для обучения, каждое значение на новой строке; outputPath — путь хранения данных для обучения).

2. Выполните скрипт doOneModelV9.py в TreeLSTM/treelstm (укажите соответствующие пути и параметры).## Обучение модели DeepAPIRec:

3. Выполните TreelstmTrain.ipynb в TreeLSTM/treelstm (укажите соответствующие гиперпараметры).

Развертывание сервиса DeepAPIRec:

1. Установите веб-сервис через Tomcat (укажите соответствующие пути и параметры).

2. Выполните скрипт treelstmPredictServer.py в TreeLSTM/treelstm (укажите соответствующие параметры).

3. Выполните скрипт client.py в TreeLSTM/py (укажите соответствующие параметры).

Примечание: можно использовать плагины Eclipse, IntelliJ и т.д., чтобы запустить client.py и сделать его частью приложения. Можно также воспользоваться примерами плагинов Eclipse Che в папке che.

Требования к среде выполнения:

Python 2.7

JDK 1.8

TensorFlow 1.0.0

TensorFlow Fold 0.0.1